此命令返回 b'?',正如预期的那样,因为“α”不在 ISO-8859-1 编码中。
LANG=en_US.UTF-8 python -c "print('α'.encode('ISO-8859-1', 'replace'))"
此命令返回b'\xce\xb1',我不明白。
LANG=en_US.ISO-8859-1 python -c "print('α'.encode('ISO-8859-1', 'replace'))"
这是什么原因造成的?我想做的是删除不在编码中的字符(这里是 ISO-8859-1),用 ? 替换它们,因为我认为这段代码应该这样做。
请您参考如下方法:
它不会改变 str.encode 的输出;它正在改变 sys.stdin 的编码。
$ LANG=en_US.UTF-8 python -c "print(__import__('sys').stdin.encoding)"
UTF-8
$ LANG=en_US.ISO-8859-1 python -c "print(__import__('sys').stdin.encoding)"
ISO-8859-1
因此,Python 将终端中的 UTF-8 b'\xce\xb1' 解释为文字字节:
$ LANG=en_US.ISO-8859-1 python3 -c "print(len('α'))"
2
$ LANG=en_US.UTF-8 python3 -c "print(len('α'))"
1
