Python字符串解码问题

Python字符串解码问题

这是正在发生的事情：

• sampleString是一个字节字符串（经cp1255编码）

• sampleString.depre("cp1255")

  将字节字符串解码（解码== bytes-> unipre字符串）为unipre字符串

• print sampleString.depre("cp1255")

  尝试将unipre字符串打印到stdout。打印必须 对 unipre字符串进行 编码 才能做到这一点（enpre == unipre字符串->字节）。您所看到的错误意味着python打印语句无法将给定的unipre字符串写入控制台的编码。

  sys.stdout.encoding

  是终端的编码。

因此，问题在于您的控制台不支持这些字符。您应该能够调整控制台以使用其他编码。具体 *** 作方法取决于您的 *** 作系统和终端程序。

另一种方法是手动指定要使用的编码：

print sampleString.depre("cp1255").enpre("utf-8")

您可以尝试使用的简单测试程序：

import sysprint sys.stdout.encodingsamplestring = 'xe0xe1xe2xe3xe4'print samplestring.depre("cp1255").enpre(sys.argv[1])

在我的utf-8终端上：

$ python2.6 test.py utf-8UTF-8אבגדה$ python2.6 test.py latin1UTF-8Traceback (most recent call last):UnipreEnpreError: 'latin-1' prec can't enpre characters in position 0-4: ordinal not in range(256)$ python2.6 test.py asciiUTF-8Traceback (most recent call last):UnipreEnpreError: 'ascii' prec can't enpre characters in position 0-4: ordinal not in range(128)$ python2.6 test.py cp424UTF-8ABCDE$ python2.6 test.py iso8859_8UTF-8�����

latin-1和ascii的错误消息表示字符串中的unipre字符无法用这些编码表示。

注意最后两个。我将unipre字符串编码为cp424和iso8859_8编码（http://docs.python.org/library/precs.html#standard-
encodings
上列出的两种编码均支持希伯来字符）。由于希伯来语unipre字符在编码中具有表示形式，因此使用这些编码也不例外。

但是，当我的utf-8终端收到的编码格式与utf-8不同时，就会感到非常困惑。

在第一种情况下（cp424），我的UTF-8终端显示ABCDE，这意味着A的utf-8表示对应于ה的cp424表示，即字节值65表示utf-8中的A和cp424的ה。

该

enpre

方法具有一个可选的字符串参数，可用于指定当编码不能表示字符时将发生的情况（文档）。支持的策略是严格（默认），忽略，替换，xmlcharref和反斜杠替换。您甚至可以添加自己的自定义策略。

另一个测试程序（我在字符串周围打印引号，以更好地显示忽略行为）：

import syssamplestring = 'xe0xe1xe2xe3xe4'print "'{0}'".format(samplestring.depre("cp1255").enpre(sys.argv[1],       sys.argv[2]))

结果：

$ python2.6 test.py latin1 strictTraceback (most recent call last):  File "test.py", line 4, in <module>    sys.argv[2]))UnipreEnpreError: 'latin-1' prec can't enpre characters in position 0-4: ordinal not in range(256)[/tmp]$ python2.6 test.py latin1 ignore''[/tmp]$ python2.6 test.py latin1 replace'?????'[/tmp]$ python2.6 test.py latin1 xmlcharrefreplace'&#1488;&#1489;&#1490;&#1491;&#1492;'[/tmp]$ python2.6 test.py latin1 backslashreplace'u05d0u05d1u05d2u05d3u05d4'