Python 编码 unicode utf-8答案

【问题标题】：Python encoding unicode utf-8Python 编码 unicode utf-8
【发布时间】：2018-01-14 01:52:24
【问题描述】：

我正在使用 selenium 在网络公式中插入带有德语变音符号的文本输入。 python 脚本的声明编码是 utf-8。该页面使用 utf-8 编码。当我定义一个这样的字符串时，一切正常：

q = u"Hällö" #type(q) returns unicode
...
textbox.send_keys(q)

但是当我尝试使用 ConfigParser（或其他类型的文件）从配置文件中读取时，我在 webformular (HÃ¤llÃ¶) 中得到格式错误的输出。这是我使用的代码：

the_encoding = chardet.detect(q)['encoding'] #prints utf-8
q = parser.get('info', 'query') # type(q) returns str
q = q.decode('unicode-escape') # type(q) returns unicode
textbox.send_keys(q)

给 send_keys 函数的两个 q 有什么区别？

【问题讨论】：

改用q.decode('latin-1')。
得到同样的畸形输出
这是 mojibake 的经典例子。如果您在 UTF-8 终端（在 Python 2 或 3 中）执行此操作：print(u"Hällö".encode('utf8').decode('latin1'))，您将获得 HÃ¤llÃ¶。相反，print(u'HÃ¤llÃ¶'.encode('latin1').decode('utf8')) 打印 Hällö。

标签： python unicode encoding utf-8 character-encoding

【解决方案1】：

这可能是错误的编码。尝试在最后一条语句之前打印q，看看它是否相等。这行q = parser.get('info', 'query') # type(q) returns str 应该返回字符串'H\xc3\xa4ll\xc3\xb6'。如果不同，则说明您使用了错误的编码。

>>> q = u"Hällö"  # unicode obj
>>> q
u'H\xe4ll\xf6'
>>> print q
Hällö
>>> q.encode('utf-8')
'H\xc3\xa4ll\xc3\xb6'
>>> a = q.encode('utf-8')  # str obj
>>> a
'H\xc3\xa4ll\xc3\xb6'  # <-- this should be the value of the str
>>> a.decode('utf-8')  # <-- unicode obj
u'H\xe4ll\xf6'
>>> print a.decode('utf-8')
Hällö
>>>

【讨论】：

【解决方案2】：

from ConfigParser import SafeConfigParser
import codecs

parser = SafeConfigParser()

with codecs.open('cfg.ini', 'r', encoding='utf-8-sig') as f:
    parser.readfp(f)
greet = parser.get('main', 'greet')

print 'greet:', greet.encode('utf-8-sig')

问候：哈洛

cfg.ini 文件

[main]
greet=Hällö

【讨论】：