Python 编码和系统编码问题。

[fxxkgw]

情形 1 ： LC_ALL="en_US.UTF-8"

>>>i=u'呵呵'

>>>i

u'\u5475\u5475'

>>>i.encode('utf-8')

'\xe5\x91\xb5\xe5\x91\xb5'

>>>type(i)

<type 'unicode'>

情形 2 ： LC_ALL=C

>>> i=u'呵呵'

>>> i

u'\xe5\x91\xb5\xe5\x91\xb5' #这是什么鬼？？

>>> type(i)

<type 'unicode'>

>>> i.encode('utf-8')

'\xc3\xa5\xc2\x91\xc2\xb5\xc3\xa5\xc2\x91\xc2\xb5'

唯一的区别就是 LC_ALL 了，所以谁能详细解释下这个编码与 LC_ALL 的关系呢。

[zhihaofans]

→python3

[coolair]

.decode('gbk')

[fy]

我认为是你输入的值有了问题，不然你看看 len(i) 是怎样？

[wwqgtxx]

快转换到 python3 吧，别在编码问题上死磕了

[SuT2i]

Python3 没有这些问题。。

[dant]

LC_ALL=C 时， Python 不知道你输入的字面量是什么编码，于是默认 ISO-8859-1 。
encode 的时候，就按 ISO-8859-1 -> UTF-8 的规则转换了。

[dant]

纠正一下，是解析 u'呵呵' 的时候把 “呵呵” 的 UTF-8 表示（ E5 91 B5 E5 91 B5 ）当作 ISO-8859-1 编码转换为 Unicode codepoint 序列（ U+00E5 U+0091 U+00B5 U+00E5 U+0091 U+00B5 ）了.
encode 的时候，就是把上面提到的那个 Unicode codepoint 序列编码成 UTF-8

[lzjun]

编码问题看： https://foofish.net/why-python-encoding-is-tricky.html