在度数符号之前获得一个字符

Question

我正在尝试将度数符号连接到字符串，以便将其写入word文档。我试过这样做。

degreeChar = u'\N{DEGREE SIGN}'
print degreeChar.encode('UTF-8')

我从中得到的输出是°，我不确定为什么会出现Â。我究竟做错了什么？非常沮丧！

感谢。

Answer 1

执行此操作时：

>>> degreeChar = u'\N{DEGREE SIGN}'

degreeChar是一个单字符的Unicode字符串 - 特别是u'°'：

>>> len(degreeChar)
1
>>> ord(degreeChar)
176

当您将其编码为UTF-8时，您将获得一个2字节的UTF-8字节字符串：

>>> dc = degreeChar.encode('UTF-8')
>>> len(dc)
2
>>> ord(dc[0]), ord(dc[1])
(194, 176)

作为UTF-8，该对字节表示u'°'。但是，比如拉丁语-1或cp1252，完全相同的字节对意味着u'°'。这就是不同编码的重点 - 相同的字节序列在不同的编码中意味着不同的东西。要查看详细信息：

>>> dc2 = dc.decode('latin-1')
>>> len(dc2)
2
>>> ord(dc2[0]), ord(dc2[1])
(194, 176)

那么，如果您尝试将print UTF-8字符串发送到cp1252终端会发生什么？或者将其保存为二进制文件，然后将其作为cp1252文本文件打开？那么，你当然得到°。

---

那么，你是如何解决这个问题的？

好吧，只是不要尝试将UTF-8编码的字节打印到cp1252终端！如果Python已经成功猜到了终端的编码，那么首先将其打印为Unicode字符串：

>>> print u'°'
°

如果没有，您需要修复配置，以便Python 正确猜测终端的编码（在大多数* nix系统上很容易，而不是在Windows上轻松...），或者手动指定它，或者只需编码为右编码而不是错误的编码：

>>> print u'°'.encode('cp1252')
°

Answer 2

degreeChar = u'\N{DEGREE SIGN}'
print degreeChar

它应该没关系...至少在Windows 7上这个命令按预期工作

Answer 3

°所在的文档使用UTF-8编码，但是解释器认为它与众不同。

就我而言，我只是在该文档中添加了UTF-8 BOM标记，因此解释器意识到了内容编码。