在度數符號之前獲取一個字符

Question

我正在嘗試將度數符號連接到一個字符串，以便我可以將其寫入 Word 文檔。 我試過這樣做。

degreeChar = u'\N{DEGREE SIGN}'
print degreeChar.encode('UTF-8')

我從中得到的輸出是° ，我不確定為什么Â出現。 我究竟做錯了什么？ 非常沮喪！

謝謝。

Answer 1

當你這樣做時：

>>> degreeChar = u'\N{DEGREE SIGN}'

degreeChar是一個單字符的 Unicode 字符串——特別是u'°' ：

>>> len(degreeChar)
1
>>> ord(degreeChar)
176

當您將其編碼為 UTF-8 時，您會得到一個 2 字節的 UTF-8 字節字符串：

>>> dc = degreeChar.encode('UTF-8')
>>> len(dc)
2
>>> ord(dc[0]), ord(dc[1])
(194, 176)

作為 UTF-8，那對字節表示u'°' 。 但是，例如，Latin-1 或 cp1252，完全相同的一對字節表示u'°' 。 這就是不同編碼的全部意義——相同的字節序列在不同的編碼中意味着不同的東西。 查看詳細信息：

>>> dc2 = dc.decode('latin-1')
>>> len(dc2)
2
>>> ord(dc2[0]), ord(dc2[1])
(194, 176)

那么，如果您嘗試將 UTF-8 字符串print到 cp1252 終端會發生什么？ 或者將其保存為二進制文件，然后作為 cp1252 文本文件打開？ 好吧，你當然會得到° 。

---

那么，你如何解決這個問題？

好吧，只是不要嘗試將 UTF-8 編碼的字節打印到 cp1252 終端！ 如果 Python 已經成功猜到了您的終端的編碼，只需首先將其打印為 Unicode 字符串：

>>> print u'°'
°

如果沒有，你要么需要解決您的配置，以Python不猜你的終端的編碼正確（容易對大多數* nix系統，與其說是在Windows ...），或手動指定，或者只是編碼到正確的編碼，而不是錯誤的一：

>>> print u'°'.encode('cp1252')
°

Answer 2

degreeChar = u'\N{DEGREE SIGN}'
print degreeChar

Unicode 應該沒問題……至少在 Windows 7 上，此命令按預期工作

Answer 3

°所在的文檔是用 UTF-8 編碼的，但解釋器認為它是不同的。

就我而言，我只是在該文檔中添加了 UTF-8 BOM 標記，因此解釋器會意識到內容編碼。