Question

我在Windows上的Python中执行了一个返回此字符串的函数：

p = subprocess(args=["devenv.exe", "project.sln"], ...)
stdout, stderr = p.communicate()
print(stdout) # b'unzul\x84ssig'

这应该称为unzulässig。我想知道我需要使用哪个解码器将其转换回单词。 string_escape和utf8（当然不是）都可以正常工作。谁能帮我吗？

Answer 1

您可能想要code page 858：

>>> "unzulässig".encode('858')
b'unzul\x84ssig'

所以

>>> res = b'unzul\x84ssig'
>>> res.decode('858')
'unzulässig'

正如@deceze在评论中指出的那样，IBM437和IBM850也是可能的。

>>> res.decode('ibm437')
'unzulässig'
>>> res.decode('ibm850')
'unzulässig'

各种字符集之间有很多重叠，但是基于这个小样本，我们所能做的就是建议将已知的'ä'映射到b'\x84'的字符集。例如，我最初对858的建议是在https://en.wikipedia.org/wiki/Windows_code_page注意到858是用于西欧语言（带有欧元符号）的DOS代码页。很多单字节编码对于大多数代码点可能是相同的（甚至忽略0-127，它们通常共享相同的ASCII根），但是在选择值上可能有所不同。

Answer 2

res = function().decode("cp852")
print(res) # b'unzul\x84ssig'

您怎么知道它是cp852？您必须从function的文档或它的数据源知道这一点。如果要输入字节，则没有“文本”之类的东西-您必须知道使用哪种编码将所需文本表示为这些字节。

我建议阅读https://www.joelonsoftware.com/2003/10/08/the-absolute-minimum-every-software-developer-absolutely-positively-must-know-about-unicode-and-character-sets-no-excuses/

（特别是在Windows下，cmd窗口确实使用了旧的DOS编码，以便与1980年代的代码兼容-从CMD shell启动的Python解释器可能会在{{1} }属性）

字符串中的转义十六进制字符

2 个答案: