使用python编码解码

Question

我在python中有此功能

Str = "ü";
print Str


def correctText( str ):
  str = str.upper()
  correctedText = str.decode('UTF8').encode('Windows-1252')
  return correctedText; 

corText = correctText(Str); 
print corText

它可以工作并转换¼和Ã等字符，但是当我尝试Ã时却失败了。 和¶

有办法解决吗？

Answer 1

根据UTF8，Ã和¶不是有效字符，这意味着字节数不能被4整除（通常）。 您需要做的是使用其他类型的编码，或者通过使用unicode（）函数消除str中的错误。 我建议使用梯子。

Answer 2

您想要做的是由几个连续的Windows-1252代码组成有效的UTF-8代码。

例如，对于ü ，的的Windows 1252代码Ã是C3和¼这是BC 。 代码C3BC恰好是ü的UTF-8代码。

现在，对于Ã? ，Windows-1252代码为C33F ，它不是有效的UTF-8代码（因为第二个字节不是以10开头）。

您确定此顺序出现在您的文本中吗？ 例如，对于à ，UTF-8代码（C3A0）的Windows-1252解码后跟Ã然后是不可打印字符（不间断空格）。 因此，如果第二个字符未打印，则? 可能是文本的常规字符。

对于¶在Windows-1252编码C2B6 。 它不应该是ö ，为此，在Windows 1252编码是C3B6 ，相当于的UTF-8编码ö ？