为什么Emacs会使我的文字Unicode字符串错误？

Question

据我所知，这些在使用UTF-8作为默认编码的系统中应该是等效的：

pattern1 = 'Wörterbuch Wortformen'.decode('utf8')
pattern2 = u'Wörterbuch Wortformen'

然而，当我将这些行从Emacs缓冲区发送到Python进程（M-x python-shell-send-region）时，会发生一些奇怪的事情。

>>> pattern1
u'W\xf6rterbuch Wortformen'
>>> pattern2
u'W\xc3\xb6rterbuch Wortformen'

在终端中运行的Python shell中，两行都会生成u'W\xf6rterbuch Wortformen'。

这里发生了什么？

我的语言环境配置为使用UTF-8。

Answer 1

以下是我的所作所为（稍后可能会有所帮助）：

1. 创建一个单位编码文件，例如/tmp/test.dat使用hexl-mode在Emacs中打开它。

2. 使用hexl-insert-hex-char命令插入字节C3和B6。

3. 以文本形式打开此文件（使用text-mode）。 Emacs将其识别为具有多字节编码的文件，并显示ö代替前一个字节。

---

结论：您需要缓冲区中的编码系统，其中包含utf-8的源代码，以便为ö发送两个字节。但是，如果它是单字节编码，并且您选择了将字节F6映射到ö的区域设置，那么您将获得该字节。

PS。确保您有-*- coding: utf-8 -*-评论。

Answer 2

事实证明，它是python.el中的bug。