今天我在做一些工作,遇到了一个问题,“看起来很有趣”。我一直在将一些字符串数据解释为utf-8,并检查编码的形式。数据通过pythonldap来自ldap(特别是activedirectory)。没有惊喜。在
所以我多次遇到字节序列'\xe3\x80\xb0',当解码为utf-8时,它是unicode码位3030(wavy dash)。需要转换成16.utf格式的字符串('16.utf。不幸的是,python似乎不喜欢这个字符:
D:\> python
Python 2.6.4 (r264:75708, Oct 26 2009, 08:23:19) [MSC v.1500 32 bit (Intel)] on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> u"\u3030"
u'\u3030'
>>> u"\u3030".encode("utf-8")
'\xe3\x80\xb0'
>>> u"\u3030".encode("utf-16-le")
'00'
>>> u"\u3030".encode("utf-16-be")
'00'
>>> '\xe3\x80\xb0'.decode('utf-8')
u'\u3030'
>>> '\xe3\x80\xb0'.decode('utf-8').encode('utf-16')
'\xff\xfe00'
>>> '\xe3\x80\xb0'.decode('utf-8').encode('utf-16-le').decode('utf-8')
u'00'
看来IronPython也不是粉丝:
^{pr2}$如果有人能告诉我这里到底发生了什么,我将不胜感激。在
你被两件事弄糊涂了(我也被甩了):
“00”是两个字符digit zero。它不是空字符。反正打印方式不同:
这似乎是正确的行为。在UTF-16中编码的字符u'\u3030'与UTF-8中的“00”编码相同。看起来很奇怪,但它是对的。在
您可以看到的'\xff\xfe'只是一个Byte Order Mark。在
你确定你想要波浪形破折号,而不是其他字符?如果你希望有一个不同的字符,那可能是因为它在进入你的应用程序之前已经被错误地编码了。在
但它可以解码:
这个字符的UTF-16编码恰好与“0”的ASCII代码一致。也可以用'\x30\x30'来表示它:
^{pr2}$相关问题 更多 >
编程相关推荐