我正在使用DB-IP.com从IP地址获取城市名称。其中许多是国际城市，名字中有特殊字符。
例如，其中一个城市是波兰的Wężarów。检查控制台中的JSON返回或直接打开请求URL，它将从DB-IP返回为“W \ u0119 \ u017car \ u00f3w”，其内容类型为text / javascript; charset = UTF-8。这在浏览器中呈现为Wężarów - 它也被保存在我的mysql数据库中作为Wężarów（我尝试过使用utf8和latin1编码）。
我可以将它保存在DB中作为另一种格式，只要我可以将其转换回Wężarów以便在浏览器中显示。我尝试过几种格式的编码和解码，甚至只是直接在屏幕上显示（完全忽略了数据库）。我完全混淆了我需要做什么才能以可读格式获取它。
我正在使用PERL，但是如果我能弄清楚我需要用编码/解码/字符集做什么（因为我目前无能为力），我相信我可以从那里弄明白。< / p>
答案 0 :(得分：3)
看起来UTF-8编码的字符串被浏览器解释为好像是Windows-1252。以下是我推断它的方法：
% python3
>>> s = "W\u0119\u017car\u00f3w"
>>> b = bytes(s, encoding='utf-8')
>>> b
b'W\xc4\x99\xc5\xbcar\xc3\xb3w'
>>> str(b, encoding='utf-8')
'Wężarów'
>>> str(b, encoding='latin-1')
'WÄ\x99żarów'
>>> str(b, encoding='windows-1252')
'Wężarów'
如果您对Python不熟悉，我在这里做的是将字符串"W\u0119\u017car\u00f3w"编码为UTF-8，产生字节序列'W\xc4\x99\xc5\xbcar\xc3\xb3w'。使用UTF-8解码得到'Wężarów'，确认这是您想要的字符串的正确UTF-8编码。所以我猜测浏览器使用错误的编码来渲染它，并使用Latin-1对其进行解码。这给了我一些非常接近的东西，所以我查了Latin-1并注意到它被命名为Windows-1252的基础。再次解码为Windows-1252会给出您看到的结果。
这里出了什么问题，浏览器无法告诉使用什么编码来呈现页面，而且它的猜测是错误的。你需要通过明确告诉它使用UTF-8来解决这个问题。 Here's a page by the W3C描述了如何做到这一点。基本上您需要做的是向文档头添加HTML <meta>元素。如果您还设置了带有编码名称的HTTP标头，请确保它们是一致的。
（在Firefox中，当您正在调试时，您可以转到View - ＆gt;字符编码以逐页设置编码。我假设其他浏览器具有相同的功能。）