Question

我有两个变量（比如x和y），它们具有以下值：

x = u'Ko\u0161ick\xfd'
y = 'Ko\x9aick\xfd'

它们可以使用不同的方式编码相同的名称。第一个变量是unicode，第二个变量是字符串。

有没有办法将字符串转换为unicode（或unicode转换为字符串）并检查它们是否真的相同。

我尝试使用encode

x.encode('utf-8')

返回新内容（第三个版本）：

'Ko\xc5\xa1ick\xc3\xbd'

使用以下内容：

print x.encode('utf-8')

返回另一个版本：

Ko┼íick├¢

所以，我完全糊涂了。有没有办法让所有东西保持相同的格式？

Answer 1

您可以将字节字符串转换为Unicode，但如果它包含任何非ASCII字符，则必须指定编码。

if y.decode('iso-8859-1') == x:
    print(u'{0!r} converted to Unicode == {1}".format(y, x))

用你给出的例子，这不是真的;但也许y的编码不同。

理论上，你可以转换任何一种方式，但一般来说，在内部使用全Unicode是有意义的，并将其他编码转换为Unicode以便在你的代码中使用（而不是相反）。

Answer 2

您需要知道字节字符串的编码。它看起来像windows-1252：

x = u'Ko\u0161ick\xfd'
y = 'Ko\x9aick\xfd'

print x == y.decode('windows-1252')
print x.encode('windows-1252') == y

输出：

True
True

最佳做法是在输入到程序时将文本转换为Unicode，以Unicode进行所有处理，然后转换回编码字节以持久存储，在套接字上传输等。

Answer 3

嗯，utf-8现在已成为交换和Linux世界的事实上的标准，但还有很多其他的编码。

常见的例子是latin1，latin9（与€符号相同），cp1252是它们的windows变体。

在你的情况下：

>>> x.encode('cp1252')
'Ko\x9aick\xfd'

因此y字符串似乎是cp1252编码的。