解碼編碼UTF-8不會導致原始的unicode

當我試圖通過解碼和再次編碼來分隔兩個Unicode字符時，我沒有得到相同的Unicode作爲回報，但我得到了不同的Unicode。解碼編碼UTF-8不會導致原始的unicode

附加是我嘗試這樣做時的回答。

>>> s ='\xf0\x9f\x93\xb1\xf0\x9f\x9a\xac' 
>>> u = s.decode("utf-8") 
>>> u 
u'\U0001f4f1\U0001f6ac' 
>>> u[0].encode("utf-8") 
'\xed\xa0\xbd' 
>>> u[1].encode("utf-8") 
'\xed\xb3\xb1' 
>>> u[0] 
u'\ud83d' 
>>> u[1] 
u'\udcf1'

來源

2015-11-22 Harwee

你的UTF-8字符串這兩個字符編碼'u.encode（'utf-8'）'給你原來的字節 – saulspatz

@Harwee對我來說工作正常--linux，python 2.7.10 – furas

@furas在Mac上用python 2.7.10，我得到的結果與日e OP – saulspatz

你的Python的版本使用UCS-2（每個字符16個比特），但這些特定的Unicode字符需要32位，所以ü的元素表示一個字符的「半」。 u.encode('utf-8')正常工作，因爲它理解編碼。（通過此解碼器：http://software.hixie.ch/utilities/cgi/unicode-decoder/utf8-decoder）

;

U+1F6AC SMOKING SYMBOL character（＆＃x1F6AC）;

U+1F4F1 MOBILE PHONE character（＆＃x1F4F1）：

來源

2015-11-22 02:59:40 jdigital

爲了記錄，在python 3.5中，即使在我的Mac上，一切正常。 – saulspatz

我可以確認我的python是使用UCS-2編譯的，如果使用UCS-4時它會起作用，它會恢復原狀。 – Harwee

@saulspatz作爲Python 3.3 Unicode碼點永遠不會被拆分爲UTF-16。參見[PEP 0393]（https://www.python.org/dev/peps/pep-0393/）。 –

解碼編碼UTF-8不會導致原始的unicode

回答

相關問題