'unicode‘和'encode’之间的关系是什么？

Question

print u'\xe4\xf6\xfc'.encode('utf-8')
print unicode(u'\xe4\xf6\xfc')

回溯：

盲枚眉
Traceback (most recent call last):
  File "D:\zjm_code\a.py", line 6, in <module>
    print unicode(u'\xe4\xf6\xfc')
UnicodeEncodeError: 'ascii' codec can't encode characters in position 0-2: ordinal not in range(128)

python外壳

>>>u"äöü".encode('utf-8')
Unsupported characters in input

Answer 1

编码错误：

print unicode(u'\xe4\xf6\xfc')

unicode()调用在这里什么也不做，因为它的参数已经是unicode对象了。然后，print尝试输出该unicode对象，为此，print希望将其转换为终端编码中的字符串。但是python似乎不知道您的终端使用哪种编码方式，因此可以使用uses的“安全”替代方案。

由于u'\xe4\xf6\xfc'不能用Ascii表示，这将导致编码错误。

Unicode，编码和解码：

通常，encode()将unicode对象转换为具有特定字符编码的字符串，例如UTF-8或ISO-8859-1。每个unicode代码点都被转换为该编码中的字节序列：

>>> u'\xe4\xf6\xfc'.encode('utf-8')
'\xc3\xa4\xc3\xb6\xc3\xbc'

相反的是decode()，它将特定编码中的字符串转换为包含相应unicode代码点的unicode对象。

>>> '\xc3\xa4\xc3\xb6\xc3\xbc'.decode('utf-8')
u'\xe4\xf6\xfc'

印刷：

带有string参数的print只打印该字符串的原始字节。如果这导致期望的输出，则取决于终端的字符编码。

>>> print '\xc3\xa4\xc3\xb6\xc3\xbc'  # utf-8 encoding on utf-8 terminal
äöü
>>> print '\xe4\xf6\xfc'              # same encoded as latin-1
���

当给定unicode参数时，print首先尝试在终端编码中对unicode对象进行编码。这只有在python猜测终端的正确编码并且编码实际上可以表示unicode对象的所有字符时才有效。否则，编码会引发异常，或者输出包含错误的字符。

>>> print u'\xe4\xf6\xfc'             # it correctly assumes a utf-8 terminal
äöü

Answer 2

这在本教程和unicode方法中都有介绍。

unicode函数将非unicode (默认情况下为ascii，但它也接受其他编码)字符串转换为unicode。这里的错误是，您传递的字符串已经是unicode，并要求将其转换为unicode.

unicode字符串上的encode函数将其转换为非unicode编码--同样，ascii是默认的。