Question

我正在使用file.readline（）在Python中读取包含罗马尼亚语单词的文件。由于编码，我遇到了许多字符的问题。

示例：

>>> a = "aberație"  #type 'str'
>>> a -> 'abera\xc8\x9bie'
>>> print sys.stdin.encoding
UTF-8

我已尝试使用utf-8，cp500等编码（），但它不起作用。

我找不到哪个正确的字符编码我必须使用？

提前感谢。

编辑：目的是将文件中的单词存储在一个字典中，并在打印时获取aberaţie而不是'abera \ xc8 \ x9bie'

Answer 1

你想做什么？

这是一组字节：

BYTES = 'abera\xc8\x9bie'

这是一组字节，表示字符串“aberaţie”的utf-8编码。您解码字节以获取您的unicode字符串：

>>> BYTES 
'abera\xc8\x9bie'
>>> print BYTES 
aberaÈ›ie
>>> abberation = BYTES.decode('utf-8')
>>> abberation 
u'abera\u021bie'
>>> print abberation 
aberație

如果要将unicode字符串存储到文件中，则必须将编码为您选择的特定字节格式：

>>> abberation.encode('utf-8')
'abera\xc8\x9bie'
>>> abberation.encode('utf-16')
'\xff\xfea\x00b\x00e\x00r\x00a\x00\x1b\x02i\x00e\x00'

UnicodeDecodeError：'ascii'编解码器无法解码

1 个答案: