如何将unicode字符串的str表示形式转换为unicode？

Question

我正在葡萄牙的用户计算机上运行python程序，该用户的用户名包含unicode字符。 我想让os.path.expanduser('~')返回某些功能，因为我将结果路径用于某些文件操作，但是当前它返回Unicode字符串的python str表示形式：

>>> import os
>>> os.path.expanduser('~')
'C:\\Users\\V\xe2nia'

但这是一个python字符串...如何将其转换为Windows将识别为有效文件路径的实际unicode字符串？

Answer 1

该函数返回的是字节字符串，而不是unicode字符串。 给定用于字符串的编码，您需要对其进行解码。

os.path.expanduser('~').decode(sys.getfilesystemencoding())

我在这里假设使用的编码是文件系统编码，可通过sys.getfilesystemencoding() 。 从这里看起来像是latin-1，但您不能确定。

您还可以尝试将unicode路径传递给os.path.expanduser()并让Python为您解码：

os.path.expanduser(u'~')

请在Python Unicode HOWTO中阅读有关此和其他Unicode问题的信息。 如果您不了解编码的字节字符串和Unicode字符串之间的区别，请也阅读这篇出色的文章 。

Answer 2

仅当主目录的路径实际上在filesystemencoding中可表示时，才使用filesystemencoding将字节字符串解码为Unicode。

在Windows上，用于字节字符串文件路径I / O的文件系统编码是依赖于语言环境的“ ANSI代码页”，不幸的是，它从来都不是UTF，因此始终存在不能以字节表示的字符-string-file-path函数。 因此，例如，如果用户名包含日语字符，但它是西欧Windows安装（使用代码页1252，类似于ISo-8859-1），则Martijn的示例将失败。

在大多数使用C标准库基于字节字符串的文件I / O函数的语言上，这就是结尾：在Java等人中，您根本无法访问名称包含ANSI代码页之外的字符的文件。

幸运的是，Python通过使用本机Win32 API调用而不是C标准库，对Windows的Unicode文件名具有特定的支持。 使用这些，您可以获取Windows理解的真实Unicode文件名，避免了将其转换为字节字符串并返回时所涉及的有损操作。

通常，只需将Unicode字符串传递到您要调用的函数中，即可触发Python 2中的Unicode文件名支持。 Python将返回Unicode字符串作为响应：

>>> import os
>>> os.path.expanduser(u'~')
u'C:\\Users\\V\xe2nia'