Python ascii utf Unicode

Question

当我解析XML时p = xml.parsers.expat.ParserCreate()：

<name>Fortuna D&#252;sseldorf</name>

字符解析事件处理程序包括u'\xfc'。

怎么能u'\xfc'变成u'ü'？

这是本文中的主要问题，其余仅显示对此的进一步（令人发指）的想法

Python unicode不会被破坏，因为它u'\xfc'会产生收益u'ü'吗？u’\
xfc’已经是一个unicode字符串，因此再次将其转换为unicode不起作用！将其转换为ASCII也不起作用。

我发现唯一可行的方法是：（这不是故意的，对吧？）

exec( 'print u\'' + 'Fortuna D\xfcsseldorf'.decode('8859') + u'\'')

用utf-8替换8859失败！这有什么意义呢？

另外，Python unicode
HOWTO有什么意义？-它仅提供失败示例，而不是说明如何进行实际操作中实际使用的转换（尤其是在这里提出类似问题的ppl猎犬）。

Unicode并不是魔术-为什么这里有那么多的ppl出现问题？

Unicode转换的根本问题很简单：

一个双向查找表’\ xFC’<->u’ü’

unicode( 'Fortuna D\xfcsseldorf' )

为什么Python的创建者认为显示错误而不是简单地产生此错误更好的原因是u'Fortuna Düsseldorf'什么？

还有为什么他们使它不可逆？

 >>> u'Fortuna Düsseldorf'.encode('utf-8')
 'Fortuna D\xc3\xbcsseldorf'
 >>> unicode('Fortuna D\xc3\xbcsseldorf','utf-8')
 u'Fortuna D\xfcsseldorf'

Answer 1

您 已经拥有了价值 。Python只是通过为您提供ASCII友好的表示形式来尝试简化 调试
。在解释器中回显值会为您提供调用repr()结果的结果。

换句话说，您正在将值的 表示
与值本身混淆。该表示旨在安全地复制和粘贴，而不必担心其他系统如何处理非ASCII代码点。因此，使用了Python字符串文字语法，所有不可打印的和非ASCII字符都由\xhh和\uhhhh转义序列代替。将这些字符串粘贴回Python字符串或交互式Python会话中，将再现完全相同的值。

如此ü已被替换\xfc，因为这是带有DIAERESIS代码点的U +
00FC拉丁文小写字母U的 Unicode代码
点。

如果您的终端配置正确，则可以使用print，Python会将Unicode值编码到您的终端编解码器中，从而在终端显示中显示非ASCII字形：

>>> u'Fortuna Düsseldorf'
u'Fortuna D\xfcsseldorf'
>>> print u'Fortuna Düsseldorf'
Fortuna Düsseldorf

如果为终端配置了UTF-8，则还可以在显式编码后将UTF-8字节直接写入终端：

>>> u'Fortuna Düsseldorf'.encode('utf8')
'Fortuna D\xc3\xbcsseldorf'
>>> print u'Fortuna Düsseldorf'.encode('utf8')
Fortuna Düsseldorf

另一种方法是升级到Python
3；有repr()只使用针对没有可打印的字符的码点的转义序列（控制码，保留码点，替代物，等等;如果码点是不是一个空间，但在下降C*或Z*一般类别，它被转义）。新ascii()功能repr()仍然为您提供Python
2的行为。