在Python中，「utf8」字符串編碼的類型是什麼？

Question

我正在使用Python 2.7

我正在讀取包含「iso-8859-1」編碼信息的文件。 解析後，我得到的字符串的結果，即s1：

>>> s1 
'D\xf6rfli' 
>>> type(s1) 
<type 'str'> 
>>> s2=s1.decode("iso-8859-1").encode("utf8") 
>>> s2 
'D\xc3\xb6rfli' 
>>> type(s2) 
<type 'str'> 
>>> print s1, s2 
D�rfli Dörfli 
>>> 

爲什麼是s2仍然是一個str調用.encode後的類型？ 如何將它從str轉換爲utf-8？

Answer 1

我不知道這是否回答你的問題，但這裏是我觀察到的東西。

如果你只是想串入一個打印的形式，調用解碼後只是停止。我不確定爲什麼在成功將is8859轉換爲unicode後，您想要將其編碼爲UTF8。

>>> s1 = 'D\xf6rfli' 
>>> s1 
'D\xf6rfli' 
>>> s2 = s1.decode("iso-8859-1") 
>>> s2 
u'D\xf6rfli' 
>>> print s2 
Dörfli 
>>> 

Answer 2

str在Python 2指編碼串，即一個字節序列。這是記錄的行爲。該解碼str將unicode類型。

UTF-8是編碼以及ISO-8859-1。所以你只需解碼你的字符串，然後用另一種編碼進行編碼，產生相同類型的數據。

相反，在Python 3 str將是一個文本字符串（Unicode），並調用encode會給你一個bytes的實例。

所以，在Python 2，UTF-8字符串將是str，因爲它進行編碼。

我第二次由斯內德推薦：看看他鏈接到presentation（噢，我的，是他自己說話？）。當我用這些東西struggling時，它幫了我很多。