我如何從Python3中的Éphémère獲得？

Question

我試過編碼/解碼與選項'surrogatepass'和'surrogateescape'的各種組合無濟於事。我不確定這是什麼格式（它甚至可能是Autoit中的一個錯誤），但我知道有一個事實，因爲至少有一個在線utf解碼器是正確的。在在線轉換器網站上，我將文件指定爲utf8並將輸出指定爲utf16，並且輸出如預期。

Answer 1

我的問題是在文件閱讀過程中。我通過在open（）的選項中指定encoding ='utf-8'來解決它。

open(filePath, 'r', encoding='utf-8') 

Answer 2

這個問題被稱爲mojibake，如果您有與UTF-8編碼的文本流出現您的具體情況，和您Windows-1252解碼它（這是ISO 8859-1一個超集）。

因此，如果您已經有found out，則必須使用UTF-8解碼此文件，而不是使用默認的Python編碼（在您的情況下似乎是Windows-1252）。

---

讓我們來看看爲什麼這些特定的亂碼字符出現在你的榜樣，即：在É

é的地方

• É在é
• A的發生在è

下表總結了發生了什麼事情：

所有的E的，E和E的非ASCII字符，並且它們使用UTF-8編碼的2字節長的代碼。

例如，對於E中的UTF-8碼是：

11000011 10001001 

在另一方面，Windows-1252是一個8位的編碼，即，其編碼其字符的每一個字符設置爲8位，即一個字節。因此，如果您現在使用Windows-1252解碼位序列11000011 10001001，則Windows-1252將其解釋爲兩個1字節代碼，每個代碼表示單獨的字符，而不是代表單個字符的2字節代碼：

• 第一字節11000011（C3十六進制）恰好是字符Ã（Unicode代碼點U + 00C3）的Windows的1252碼。
• 第二個字節10001001（89，十六進制）恰好是字符‰（Unicode代碼點U + 2030）的Windows-1252代碼。

您可以查看這些映射here。

所以，這就是爲什麼你的解碼呈現Ã而不是É。同樣適用於其他非ASCII字符é和è。