为什么Python输出相同值的字符串和Unicode不同？

Question

我在使用Python 2.6.5，当我在Python的命令行中运行下面的代码时，得到了：

>>> print u'Andr\xc3\xa9'
André
>>> print 'Andr\xc3\xa9'
André
>>>

这是什么意思呢？对于u'Andr\xc3\xa9'，我该怎么在网页上正确显示这个值，让它显示为André，而不是André呢？

Answer 1

我不太确定，但我猜打印操作可能用了不同的编码方式。可能是utf-8和unicode之间的问题。

对于HTML，你需要用HTML的语法来编码某些字符，以便它们能正确显示。我觉得Python的codecs模块可能能帮到你。

Answer 2

试试这个：

>>> unicode('Andr\xc3\xa9', 'utf-8')
u'Andr\xe9'
>>> print u'Andr\xe9'
André

这可能能回答你的问题。

编辑：或者看看上面的回答

Answer 3

'\xc3\xa9' 是 unicode 字符 u'\u00e9' 的 UTF-8 编码（也可以写成 u'\xe9'）。所以你可以用 u'Andr\u00e9' 或者 u'Andr\xe9' 来表示这个字符。

你可以在这两者之间进行转换：

>>> 'Andr\xc3\xa9'.decode('utf-8')
u'Andr\xe9'
>>> u'Andr\xe9'.encode('utf-8')
'Andr\xc3\xa9'

需要注意的是，print 'Andr\xc3\xa9' 能正常显示的原因，是因为你系统的默认编码是 UTF-8。例如，在 Windows 系统上，我看到的结果是：

>>> print 'Andr\xc3\xa9'
André

至于输出 HTML，这取决于你使用的网页框架以及你在 HTML 页面中使用的编码。有些框架（比如 Django）会自动把 unicode 值转换成正确的编码，而有些框架则需要你手动进行转换。