Question

有人可以向我解释为什么python有这种行为吗？

我们来解释一下。

背景

我有一个python安装，我想使用一些不在ASCII表中的字符。所以我改变了我的python默认enconding。我以字符'_MAIL_TITLE_': u'Бронирование номеров',

的方式将每个字符串保存到文件.py中

现在，使用替换我的字典键的方法，我想以动态的方式将html模板插入到我的字符串中。

我放入html页面的标题：

<head>
 <meta http-equiv="Content-Type" content="text/html; charset=UTF-8"/>
 ...... <!-- Some Css's --> 
</head>

不幸的是，我的html doc来找我（在那些替换之后）有一些错误的字符（未转换？错误转换？）

所以，我打开一个终端并开始做一些订单：

 1 - Python 2.4.6 (#1, Jan 27 2012, 15:41:03)
 2 - [GCC 4.1.2 20080704 (Red Hat 4.1.2-51)] on linux2
 3 - Type "help", "copyright", "credits" or "license" for more information.
 4 - >>> import sys
 5 - >>> sys.getdefaultencoding()
 6 - 'utf-8'
 7 - >>> u'èéòç'
 8 - u'\xe8\xe9\xf2\xe7'
 9 - >>> u'èéòç'.encode('utf-8')
10 - '\xc3\xa8\xc3\xa9\xc3\xb2\xc3\xa7'
11 - >>> u'è'
12 - u'\xe8'
13 - >>> u'è'.encode()
14 - '\xc3\xa8'

问题

看看[7-10]行。这不是很奇怪吗？为什么我的（第6行）python有一个defaultencoding utf-8，它是否以与第9行不同的方式转换该字符串（line7）？现在，看看第[11-14]行及其输出。

现在，我完全糊涂了！

提示

所以，我试图改变输入文件的终端方式（以前 ISO-8859-1 ，现在 utf-8 ）并改变了一些内容：

 1 - Python 2.4.6 (#1, Jan 27 2012, 15:41:03)
 2 - [GCC 4.1.2 20080704 (Red Hat 4.1.2-51)] on linux2
 3 - Type "help", "copyright", "credits" or "license" for more information.
 4 - >>> import sys
 5 - >>> sys.getdefaultencoding()
 6 - 'utf-8'
 7 - >>> u'èéòç'
 8 - u'\xc3\xc3\xa8\xc3\xa9\xc3\xb2\xc3\xa7'
 9 - >>> u'èéòç'.encode('utf-8')
10 - '\xc3\xa8\xc3\xa9\xc3\xb2\xc3\xa7'
11 - >>> u'è'
12 - u'\xe8'
13 - >>> u'è'.encode()
14 -'\xc3\xa8'

所以，编码（显式编码）独立于输入编码工作（或者在我看来，但我已经坚持了几天，所以也许我搞砸了。）

解决方案是什么？

通过查看background和hint的第8行，您可以看到创建的unicode对象存在一些差异。所以，我开始考虑它了。我总结了什么？没有。除此之外，我的编码问题可能是进入文件的编码一旦保存我的.py（包含所有必须插入到html文档中的utf-8字符）

“真实”代码

代码没有什么特别之处：它打开一个html模板，将其放入一个字符串中，用unicode（utf-8ed？wish yes）字符串替换占位符并将其保存到另一个可以从Internet上显示的文件中（是的，我的“登陆”页面有标题utf-8的规格）。我这里没有代码，因为它分散在几个文件中，但我确定程序的工作流程（通过跟踪它）。

最终问题

鉴于此，有没有人想让我的代码工作？关于unix文件编码的想法？或.py文件编码？如何更改编码以使我的代码有效？

最后提示

在用utf-8对象替换占位符之前，如果我插入

utf8Obj.encode('latin-1')

我的文件在互联网上完全可见！

感谢那些回答。

EDIT1 - 开发工作流程

好的，这是我的开发工作流程：

我有一个该项目的CVS。该项目位于centos OS上。该服务器是64位机器。我使用eclipse将代码开发成Windows 7（64位）。每次修改都只在CVS提交时提交。代码是使用那种python的Centos机器上的代码：

Python 2.4.6 (#1, Jan 27 2012, 15:41:03)
[GCC 4.1.2 20080704 (Red Hat 4.1.2-51)] on linux2

我以这种方式设置Eclipse工作：首选 - ＆gt;一般 - ＆gt; WORKSPACE - ＆gt;文本文件编码：UTF-8

Zope / Plone应用程序运行到同一个服务器上：它提供一些PHP页面。 PHP页面通过WS调用一些位于Zope / Plone“服务器”上的python方法（应用程序逻辑）。该服务器直接与应用程序逻辑接口。

这就是全部

EDIT2

这是替换的函数：

    def _fillTemplate(self, buf):
    """_fillTemplate(buf)-->str
    Ritorna il documento con i campi sostituiti con dict_template.
    """
    try:    
        for k, v in self.dict_template.iteritems():
            if not isinstance(v,unicode):
                v=str(v)
            else:
                v=v.encode('latin-1') #In that way it works, but why?
            buf = buf.replace(k, v)

Answer 1

为了解决这个问题和未来的问题，我建议您查看问题UnicodeDecodeError when redirecting to file的答案，其中包含对此编码/解码业务的一般性讨论。

在第一个示例中，您的终端编码为Latin1：

7 - >>> u'èéòç'
8 - u'\xe8\xe9\xf2\xe7'

Latin1中这些字符的编码是UTF-8中相同字符的有效编码，因此Python不需要进行任何转换。当您将终端切换到UTF-8时，您将获得

7 - >>> u'èéòç'
8 - u'\xc3\xc3\xa8\xc3\xa9\xc3\xb2\xc3\xa7'

您的终端将四个2字节序列的UTF-8编码发送给Python。你的Python解释器逐字记录并保留它们：它们也是字符串的有效编码表示;事实上，UTF-8可以用多种方式编码相同的字符。

如果您的编辑器保存了UTF-8，那么您应该将以下内容放在.py文件之上：

# -*- coding: utf-8 -*-

此行必须与编辑器使用的编码匹配。

处理编码的最强大方法可能是以下两种方法之一：

您的程序应该只处理单编码中的内部（字节）字符串（UTF-8是一个不错的选择）。这意味着如果你得到拉丁语1编码的数据，你应该将它重新编码为UTF-8：
```
data.decode('latin1').encode('utf8')
```
在这种情况下，处理字符串文字的最佳方法是让编辑器将文件保存为UTF-8并使用常规（字节）字符串文字（"This is a string"，而不使用{{1}在前面）。
您的程序也可以只操作Unicode字符串。我的经验是，这对Python 2来说有点麻烦。但是，这将是我选择Python 3的方法，因为Python 3对这些编码问题有更自然的支持（小字符串是字符串，而不是字节字符串等等。）。

Answer 2

当你回答我的评论时，这是第一个问题的答案：

看看[7-10]行。不奇怪吗？为什么我的（第6行）python 在utf-8中有一个defaultencoding，然后在a中转换该字符串（line7）第9行的不同方式呢？现在，看看[11-14]和[11-14]行他们的输出..

不，这并不奇怪：您必须区分Python编码，shell编码，系统编码，文件编码，声明文件编码和应用编码。做了很多编码，不是吗？

sys.getdefaultencoding()

这将为您提供Python用于unicode实现的编码。这与输出无关。

In [7]: u'è'
Out[7]: u'\xe8'
In [8]: u'è'.encode('utf8')
Out[8]: '\xc3\xa8'
In [9]: print u'è'
è
In [10]: print u'è'.encode('utf8')
è

使用print时，caracter会打印到屏幕上，否则，Python会为您提供一个可以复制/粘贴以获取相同数据的表示。

由于unicode字符串与utf8字符串不同，因此它不会为您提供相同的数据。

Unicode是字符串的“中性”表示，而utf8是编码的。

Answer 3

在第7行中输出一个Unicode对象：

>>> u'èéòç'
u'\xe8\xe9\xf2\xe7'

没有编码，它只是告诉您输入包含Unicode代码单元\xe8，\xe9，等等。

在第11行中，您将从Unicode对象创建UTF-8编码的字符串。编码字符串的输出看起来与未编码的Unicode对象不同，但为什么不呢：

>>> u'èéòç'.encode('utf-8')
'\xc3\xa8\xc3\xa9\xc3\xb2\xc3\xa7'

在您更改终端编码的第二个实验中，您实际上打破了输入字符的解释：

>>> u'èéòç'
u'\xc3\xa8\xc3\xa9\xc3\xb2\xc3\xa7'

当你在字符串中输入这四个字符时，它们会以某种方式编码到某处，然后Python认为你输入了8个UTF-8代码单元字节。但是那些字节并不代表你想输入的字符。看起来Python认为它会从终端获得ISO-8859-1字符，而实际上它会获得UTF-8数据，导致一团糟。

Python编码 - 有什么解释吗？

3 个答案: