python - 用起始字节确定项目的编码
问题描述
我最近遇到了这个字符串:b'\xd5\xa3Lk\xd4\xad\xaeH\xb8\xae\xab\xd8EL3\xd1RR\x17\x0c\xea~\xfa\xd0\xc9\xfeJ\x9aq\xd0\xc57\xfd\xfa\x1d}\x8f\x99?*\xef\x88\x1e\x99\x8d\x81t`1\x91\xebh\xc5\x9d\xa7\xa5\x8e\xb9X'
我想解码它。现在我知道这可以用 python withstring.decode()
但它需要一个编码。如何确定解码此字符串的编码?
解决方案
我之前对您的问题的评论,部分准确,部分错误。从标准编码的文档中:
如果没有外部信息,就不可能可靠地确定使用哪种编码对字符串进行编码。每个charmap编码都可以解码任何随机字节序列。但是,UTF-8 无法做到这一点,因为 UTF-8 字节序列的结构不允许任意字节序列。
因此,您应该尝试使用 'utf-8-sig' 进行解码(对于一般情况下,字节顺序标记或 BOM 可能作为前 3 个字节出现 - 这不是您的示例的情况,因此您可以使用'utf-8')。但是,如果失败,则无法保证您知道使用试错解码使用了什么编码,因为根据上述文档,尝试使用另一个编解码器进行解码可能会成功(并且可能会给您带来垃圾)。如果 `utf-8' 解码成功,它可能是使用的编码。见下文。
s = 'abcde'
print(s.encode('utf-32').decode('utf-16'))
print(s.encode('cp500').decode('latin-1'))
印刷:
a b c d e
�����
当然,“utf-8”编码也将成功解码使用“ascii”编解码器编码的字符串,因此存在这种不确定性。
推荐阅读
- python-2.7 - 从谷歌云作曲家运行数据流时导入依赖项的问题
- go - 为什么我的追加函数将切片的每个成员都更改为要添加的新项目?
- python - PyWin32 能否让用户“过多”地访问 Win32 API?
- javascript - 在 for 循环中声明变量
- python - tf.estimator - 如何在每个时期后打印测试集的准确性?
- c# - 如何在 C# 中的一行中填充现有数组?
- java - 无效的方法声明 - 需要返回类型
- prolog - 为什么在尝试从列表中删除双打时出现存在错误?
- r - R studio 直方图错误:stat_bin() 不得与任何美学一起使用
- r - 如何将抖动的绘图点保持在 facet_grid 的边界上