關於python unicode的困惑

Question

我已經在Windows7中通過崇高的文字編寫了一個python文件，文件中包含一些中文字符，因此當我運行它時，這些字符變得無法識別（在cmd和git bash中也是如此）：

# -*- coding: utf-8 -*- 
str = "測試"

print str

arr = []
arr.append(str)

print arr

結果是：

嫻嬭瘯
['\xe6\xb5\x8b\xe8\xaf\x95']

我怎么解決這個問題？ 這個問題的原因是什么？ 並且arr打印結果不應是\\uXXX\u003c/code>這樣的unicode？

順便說一下，如果沒有# -*- coding: utf-8 -*-我什# -*- coding: utf-8 -*-無法運行它：

$ python test.py
  File "test.py", line 2
SyntaxError: Non-ASCII character '\xe6' in file test.py on line 2, but no encodi
ng declared; see http://www.python.org/peps/pep-0263.html for details

我只是用谷歌搜索語句，為什么沒有它就無法運行代碼？

Answer 1

# -*- coding: utf-8 -*-來指定文件中使用的編碼 。

由於字符串是字節字符串而不是unicode字符串，因此您將獲得['\\xe6\\xb5\\x8b\\xe8\\xaf\\x95']作為輸出，請在字符串中添加u前綴以將其轉換為unicode字符串。

>>> strs = u"測試"
>>> lis = [strs]
>>> print lis
[u'\u6d4b\u8bd5']
>>> print lis[0]
測試

Answer 2

您會看到字符串的UTF-8編碼版本（順便說一句，您不應將其命名為str ）。 通過在腳本的開頭添加# -*- coding: utf-8 -*-行，您將告訴Python這是腳本正在使用的編碼。 您確定它實際上正在使用該編碼嗎？

如果不是這種情況（請檢查您的編輯器！），或者您的終端窗口（在其中print字符串的窗口）正使用不同的編碼，則會出現亂碼（如果編碼的字符串不能以該編碼進行解釋）。

僅當解碼 （字節）字符串時，您才會獲得Unicode對象。

因此，首先您需要了解終端的字符編碼。 然后，您應該將所有字符串盡快轉換為Unicode，並僅在程序中處理Unicode對象，直到需要輸出它們為止；此時，您需要將它們編碼為正確的編碼。

例如

# -*- coding: utf-8 -*- 
s = u"測試"
s = s + u"嫻嬭瘯"
print s.encode("somecodepage")