使用python編碼解碼

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

它可以工作並轉換¼和Ã等字符，但是當我嘗試Ã時卻失敗了。 和¶

有辦法解決嗎？

Answer 1

根據UTF8，Ã和¶不是有效字符，這意味着字節數不能被4整除（通常）。 您需要做的是使用其他類型的編碼，或者通過使用unicode（）函數消除str中的錯誤。 我建議使用梯子。

Answer 2

您想要做的是由幾個連續的Windows-1252代碼組成有效的UTF-8代碼。

例如，對於ü ，的的Windows 1252代碼Ã是C3和¼這是BC 。 代碼C3BC恰好是ü的UTF-8代碼。

現在，對於Ã? ，Windows-1252代碼為C33F ，它不是有效的UTF-8代碼（因為第二個字節不是以10開頭）。

您確定此順序出現在您的文本中嗎？ 例如，對於à ，UTF-8代碼（C3A0）的Windows-1252解碼后跟Ã然后是不可打印字符（不間斷空格）。 因此，如果第二個字符未打印，則? 可能是文本的常規字符。

對於¶在Windows-1252編碼C2B6 。 它不應該是ö ，為此，在Windows 1252編碼是C3B6 ，相當於的UTF-8編碼ö ？