如何解决使用起始字节确定项目的编码
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。
现在我知道使用带有 string.decode()
的 python 是可能的,但它需要编码。如何确定解码此字符串的编码?
解决方法
我之前对您的问题的评论,部分准确,部分错误。来自 Standard Encodings 的文档:
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 编码可以解码任何随机字节序列。然而,这对于 UTF-8 来说是不可能的,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(对于字节顺序标记或 BOM 可能作为前 3 个字节出现的一般情况——不是你的例子的情况,所以你可以只使用'utf-8')。但是,如果失败,则不能保证您知道使用试错解码使用了哪种编码,因为根据上述文档,尝试使用其他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,可能就是使用的编码。见下文。
s = 'abcde'
print(s.encode('utf-32').decode('utf-16'))
print(s.encode('cp500').decode('latin-1'))
打印:
a b c d e
�����
当然,“utf-8”编码也可以成功解码使用“ascii”编解码器编码的字符串,因此存在这种不确定性。