使用python编码解码

Question

我在python中有这个功能

Str = "ü";
print Str


def correctText( str ):
  str = str.upper()
  correctedText = str.decode('UTF8').encode('Windows-1252')
  return correctedText; 

corText = correctText(Str); 
print corText

它可以工作并转换像Ã和é这样的字符但是当我尝试时它会失败Ã？和¶

有没有办法解决它？

Answer 1

根据UTF8，Ã和¶不是有效字符，这意味着没有可被4整除的字节数（通常）。您需要做的是使用其他类型的编码或使用unicode（）函数去除str中的错误。我建议使用梯子。

Answer 2

您要做的是通过几个连续的Windows-1252代码编写有效的UTF-8代码。

例如，对于ü，Ã的Windows-1252代码为C3，而¼的代码为BC。C3BC代码ü恰好是Ã?的UTF-8代码。

现在，对于C33F，Windows-1252代码为10，这不是有效的UTF-8代码（因为第二个字节不以à开头）。< / p>

你确定你的文字中出现了这个序列吗？例如，对于Ã，UTF-8代码（C3A0）的Windows-1252解码为?，后跟不可打印的字符（不间断空格）。因此，如果未打印第二个字符，则¶可能是文本的常规字符。

对于C2B6，Windows-1252编码为ö。不应该是C3B6，Windows-1252编码为ö，等于{{1}}的UTF-8代码？