※ 引述《theodolite (无)》之铭言： : ※ 引述《theodolite (无)》之铭言： : : 不好意思，小弟又来问问题了， : : 我用gtk selectionData.get_text()抓到一串中文字，像"所有网站" : : 这样的字串会回传'\u6240\u6709\u7db2\u7ad9' : : 长度为24的ascii字串， : : 像这样的情形，要如何把一个ascii字串转成unicode字串？ : : 不论是用decode或是unicode这两个function似乎还没试出可行的方法。 : 自问自答，我用最笨的方法，split \u，抓出来的再用unichr转成unicode string : 如果有更好的解法也请指教，谢谢。 这方法有效，不过太苦。 Python 提供 codec 架构进行字码转换，2.3 以後都支援 (更早的版本可能也有，抱歉我不确定)。 在利用 codec 架构进行字码转换之前， 我们要对 Python 提供的唯二字串物件 str 和 unicode 其间的关系， 具有基本的概念。 unicode 存的是 Unicode code point，而 str 可以存任意的 byte list。 在处理字码转换时，概念上要把 unicode 物件当成一种与字码无关的字串型别， 从 unicode 物件「编码」成代表各种字码的 str 物件， 或从以任意字码表示的 str 物件「解码」回 unicode 物件。 具体来讲，假设我们取得的「所有网站」字串是以 utf-8 编码， 而我们想把它转成 unicode 物件，那要这样作： uniraw = raw.decode('utf8') # raw contain 所有网站 in UTF-8 encoding. 这样得到的 uniraw 会是一个 unicode 物件。 再举一个在 CP950 Windows 下的例子，用 interactive mode Python： Python 2.4.4 (#71, Oct 18 2006, 08:34:43) [MSC v.1310 32 bit (Intel)] on win32 Type "help", "copyright", "credits" or "license" for more information. >>> print type( "所有网站".decode("big5") ) ; print "所有网站".decode("big5") <type 'unicode'> 所有网站 >>> print type( "所有网站" ) ; print "所有网站" <type 'str'> 所有网站 >>> 好了，当我们得到一个 unicode 字串之後，想转成哪种编码都可以随心所欲： sjisraw = uniraw.encode("sjis") 再用 interactive Python 示范一下： >>> print "所有网站".decode("big5").encode("sjis") ?⑫簛? >>> 在 CP950 下出乱码是正常的；不出乱码表示我们写错了。 有时候在一些处理字串的程式里我们还会看到如下的 traceback： >>> print "所有网站".decode("big5").encode("ascii") Traceback (most recent call last): File "<stdin>", line 1, in ? UnicodeEncodeError: 'ascii' codec can't encode characters in position 0-3: ordin al not in range(128) >>> 很明显，ascii encoding 不可能包含「所有网站」的码域。 在把 str (in Big5) 的「所有网站」解码成 unicode 时不会出问题， 但如果要把 unicode 的「所有网站」编码成 ascii，这是件不可能的任务， Python 就爆给我们看。 这是应当的，也是合理的，Python 如此行，乃是理所当然的。 如果能弄懂以上的操作，应该就可以掌握 Python 的 unicode 处理了。 当然，实作的时候还有一些要注意的地方。 第一是 Python 的 codec 名称及所支援的 encoding； 尤其 Python 在 2.4 之前是「不支援」Big5 的，要另行安装 cjkcodecs 套件 (感谢韩国人)。 第二是在 interactive mode 中使用 Python 时，要注意终端机的 locale (在 Windows 下就是 codepage)； locale 不正确，即使编解码正确，出乱码也是好正常的了。 -- 写完才觉得自己废话真多。 --

※ 发信站: 批踢踢实业坊(ptt.cc) ◆ From: 220.134.27.8