Question

我通过API获取文本，该API返回带有Windows编码撇号（\ x92）的字符：

> python
>>> title = u'There\x92s thirty days in June'
>>> title
u'There\x92s thirty days in June'
>>> print title
Theres thirty days in June
>>> type(title)
<type 'unicode'>

我试图将此字符串转换为UTF-8，以便它返回：＆＃34;六月有三十天＆＃34;

当我尝试解码或编码此unicode字符串时，会抛出错误：

>>> title.decode('cp1252')
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "/System/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/encodings/cp1252.py", line 15, in decode
    return codecs.charmap_decode(input,errors,decoding_table)
UnicodeEncodeError: 'ascii' codec can't encode character u'\x92' in position 5: ordinal not in range(128)

>>> title.encode("cp1252").decode("utf-8")
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "/System/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/encodings/cp1252.py", line 12, in encode
    return codecs.charmap_encode(input,errors,encoding_table)
UnicodeEncodeError: 'charmap' codec can't encode character u'\x92' in position 5: character maps to <undefined>

如果我将字符串初始化为纯文本然后对其进行解码，则可以正常工作：

>>>title = 'There\x92s thirty days in June'
>>> type(title)
<type 'str'>
>>>print title.decode('cp1252')
There’s thirty days in June

我的问题是如何将我收到的unicode字符串转换成纯文本字符串以便我可以对其进行解码？

Answer 1

您的字符串似乎已解码 =IFERROR(INDEX($BF$1:$BF$100,AGGREGATE(15,6,(ROW($BF$1:$BF$100)-ROW($BF$1)+1)/( ($BF$1:$BF$100<>"")*($BF$1:$BF$100<>" ")),ROWS(BH$1:BH2))),"")（因为它的类型为latin1）

要将其转换回原来的字节数，您需要使用该编码编码（unicode）
然后要返回文字（latin1），您必须使用正确的编解码器（unicode）

解码

最后，如果您想要获得cp1252字节，则必须使用utf-8编解码器编码。

在代码中：

UTF-8

根据API是采用文本（>>> title = u'There\x92s thirty days in June' >>> title.encode('latin1') 'There\x92s thirty days in June' >>> title.encode('latin1').decode('cp1252') u'There\u2019s thirty days in June' >>> print(title.encode('latin1').decode('cp1252')) There’s thirty days in June >>> title.encode('latin1').decode('cp1252').encode('UTF-8') 'There\xe2\x80\x99s thirty days in June' >>> print(title.encode('latin1').decode('cp1252').encode('UTF-8')) There’s thirty days in June）还是unicode，可能没有必要。

如何使用Python将带有cp1252字符的unicode字符串转换为UTF-8？

1 个答案: