.encode（＆＃39; utf-8＆＃39;）打印奇怪的字符

Question

我有一些python字符串形式的文本代表外来名称：

Graziano Pellè
Sergio Agüero
Cesc Fàbregas

我用语法编码字符串：

(string).encode('utf-8')

然而这打印：

Graziano Pellè
Sergio Agüero
Cesc Fàbregas

当字符串打印到Command Shell和Python Shell时会发生这种情况，但我不明白为什么。我的印象是通用字符集支持来自大多数主要语言的字母表。如果这不是正确的编码，我应该使用什么？

由于

Answer 1

问题是您的终端窗口（我假设cmd.exe，因为这听起来像Windows）不是UTF-8，而是像Windows-1252一样的类似Latin-1的字符集。

因此，您将这些Unicode字符串编码为UTF-8字节序列，然后将这些字符串发送到终端，终端将这些UTF-8字节序列解释为Windows-1252字节序列，并将它们显示为垃圾。

例如，u"Graziano Pellè"在编码为UTF-8时为：

'Graziano Pell\xc3\xa8'

为什么呢？好吧，在UTF-8中，ASCII字符编码为一个字节，因此G，即U + 0047，成为单个字节0x47，在几乎任何字符集中看起来都像G ，但非ASCII字符编码为两个或更多字节，因此è，即U + 00E8，变为0xc3和0xa8。在Windows-1252中，0xc3是字符Ã，0xa8是字符¨。

---

这里的简单解决方案 - 如果您的Python正确检测终端的字符集 - 就是直接打印Unicode字符串。

如果没有，你必须以某种方式查找字符集（或者只是硬编码，如果这仅用于本地使用;它可能是cp1252，但你可以在你的系统偏好设置中找到它作为“OEM代码页”）并编码，而不是UTF-8。

---

最后一件事：

  

我的印象是通用字符集支持大多数主要语言的字母表。

确实如此。*但问题是您不能只将Unicode写入控制台;你必须写字节。**问题变成了，哪个字节？如果你写UTF-8字节，并且终端期望cp1252字节，你会得到mojibake。

_{*实际上，“通用字符集”通常意味着ISO-60464或UCS 2，而不是现代的Unicode ......但是对于前61K字符左右它们是相同的，所以让我们假装它足够接近... < /子>}

_{**在Windows上实际上并非如此;你可以改为写16位字，并保证它们被解释为UTF-16。但是Python 2.x不知道如何以这种方式使用Windows控制台，所以这对你没有帮助，除非你想直接开始调用Win32 API，而不是使用像print这样的友好的东西。}