Question

我正在编写一个非常小的脚本，可以将latin-1字符转换为unicode（我是Python的初学者）。

我尝试了这样的方法：

def latin1_to_unicode(character):

    uni = character.decode('latin-1').encode("utf-8")
    retutn uni

它适用于不是latin-1集特有的字符，但如果我尝试以下示例：

print latin1_to_Unicode('å')

它返回Ã¥而不是å。其他字母也是如此，例如æ和ø。

任何人都可以解释为什么会这样吗？感谢

我的脚本中有# -*- coding: utf8 -*-声明，如果问题重要

Answer 1

您的源代码编码为UTF-8，但您将数据解码为Latin-1。不要这样做，你正在创建Mojibake。

改为从UTF-8解码，不再编码。 print将写入sys.stdout，它将使用您的终端或控制台编解码器进行配置（在Python启动时检测到）。

我的终端配置为UTF-8，所以当我在终端输入å字符时，会产生UTF-8数据：

>>> 'å'
'\xc3\xa5'
>>> 'å'.decode('latin1')
u'\xc3\xa5'
>>> print 'å'.decode('latin1')
Ã¥

你可以看到角色使用两个字节;当使用配置为使用UTF-8的编辑器保存Python源时，Python会从磁盘读取完全相同的字节以放入您的bytestring。

将这两个字节解码为Latin-1会产生两个与Latin-1编解码器对应的Unicode代码点。

你可能想研究一下Unicode和编码之间的区别，以及它与Python的关系：