python中Utf-8字符集的问题

[Dic4000]

ch1=u"严"
ch1          #显示的是：u'\xd1\xcf'
print ch1    #显示的是乱码
ch1.getEncode("utf-8") #显示的是：'\xc3\x91\xc3\x8f'

问题：
1：第二行与第一行显示的编码为什么不一样？它们分别代表什么？
2：第三行显示的是乱码，我认为可能是print 只能接受Ansi编码，那么怎样才能打印出ch1中存储的汉字？

[feilniu]

理解字符编码：
http://topic.csdn.net/u/20100806/18/e4b43f25-1b73-4786-907e-9576d8be7d36.html

[iambic]

ch1="严"

[iambic]

不要在代码里嵌中文。

[feilniu]

#coding: utf-8是脚本文件的编码
sys.getdefaultencoding是操作系统默认编码

[feilniu]

“\xc3\x91\xc3\x8f”怎么来的：

ch1=u"严"    #你的IDLE把“严”的字节流“\xd1\xcf”按latin1编码转成了Unicode字符“ÑÏ”
ch1          #显示的是：u'\xd1\xcf'
print ch1    #显示的是乱码
ch1.getEncode("utf-8") #显示的是：'\xc3\x91\xc3\x8f'

[feilniu]

Python3在字符编码处理上有很大改进，结构更简明清晰，想出错都难。

# Python 3.1.2
>>> b'\xc3\x91\xc3\x8f'
b'\xc3\x91\xc3\x8f'
>>> _.decode('utf-8')
'ÑÏ'
>>> _.encode('latin1')
b'\xd1\xcf'
>>> '严'
'严'
>>> ch = '严'
>>> ch.encode('gbk')
b'\xd1\xcf'
>>> ch.encode('utf-8')
b'\xe4\xb8\xa5'

[Dic4000]

[Quote=引用 7 楼 feilniu 的回复:]

#coding: utf-8是脚本文件的编码
sys.getdefaultencoding是操作系统默认编码
[/Quote]

恩，明白了，操作系统默认编码和程序编码不是一个概念。

有没有办法显示出字符的编码呢？现在显示的是汉字

#coding: utf-8 
ch1=u"严"
bs1=ch1.encode("utf-8")
bs2=ch1.encode("gb2312")
print ch1,bs1,bs2

现在显示的是三个汉字，我想要显示这三个汉字对应的编码进行比较，就像在交互式解释器中显示“\xc3\x91\xc3\x8f”这样的编码，不知道有没有办法？

[Dic4000]

发帖晚了，还没看到你另外两个回复

[rednurse]

[Quote=引用 10 楼 dic4000 的回复:]
引用 7 楼 feilniu 的回复:

#coding: utf-8是脚本文件的编码
sys.getdefaultencoding是操作系统默认编码


恩，明白了，操作系统默认编码和程序编码不是一个概念。

有没有办法显示出字符的编码呢？现在显示的是汉字

Python code

#coding: utf-8
ch1=u"严"
bs1=ch1.encode("u……
[/Quote]

下载第三方库 chardet
http://chardet.feedparser.org/docs/faq.html

[八哥Jerry]

[Quote=引用 3 楼 feilniu 的回复:]

理解字符编码：
http://topic.csdn.net/u/20100806/18/e4b43f25-1b73-4786-907e-9576d8be7d36.html
[/Quote]


就是这个了……

[amu9900]

[Quote=引用楼主 dic4000 的回复:]
Python code

ch1=u"严"
ch1 #显示的是：u'\xd1\xcf'
print ch1 #显示的是乱码
ch1.getEncode("utf-8") #显示的是：'\xc3\x91\xc3\x8f'



问题：
1：第二行与第一行显示的编码为什么不一样？它们分别代表什么？
2：第三行显示的是乱码，我认为可能是print 只能接受Ansi编码，……
[/Quote]

ch1=u"严" #你这里是理想的定义一个unicode的字符串，但是其实编码为gbk再用u""套起来了

你的ide的问题

[Dic4000]

[Quote=引用 5 楼 amu9900 的回复:]
ch1=u"严" #你这里是理想的定义一个unicode的字符串，但是其实编码为gbk再用u""套起来了
你的ide的问题
[/Quote]

恩，谢谢。我先是在交互式解释器中写的上述代码，后来我把这些语句用脚本写，脚本里的第一行规定了编码方式，然后执行就可以显示了，但还有疑惑想向大家请教下。

#coding: utf-8 
ch1=u"严"
print ch1
bs=ch1.encode("utf-8")
print bs

import sys
print sys.getdefaultencoding() #显示Ascii

脚本中的#coding: utf-8 应该是定义文件的编码吧？
用print sys.getdefaultencoding()显示Ascii为何不与我的文件中定义的编码方式一致？
而且不像在交互式解释器中显示“\xc3\x91\xc3\x8f”一样的编码，这又是为什么呢？

这三个问题，向大家请教下

[matlab2000]

我工作中遇到的，就是为了用中文，在开头指定了utf-8，然后发现把utf-8的目录名做join之类，好像不行，反正做后就是在 uft-8 gbk 和内部格式间倒来倒去。呵呵。因为中文的有些显示是需要字符串是gbk的。如果是utf-8的，就搞不定。希望python以后统一算了。

[Dic4000]

那就用python3.0以后的版本，Python3在字符编码处理上有很大改进，结构更简明清晰，想出错都难。