Cómo convertir una cadena en UTF-8 en Python

Question

Tengo un navegador que envía caracteres UTF-8 para mi servidor de Python, pero cuando la recupere de la cadena de consulta, la codificación que vuelve Python es ASCII. ¿Cómo puedo convertir la cadena normal a UTF-8?

NOTA: La cadena que se pasa desde la web ya está codificación UTF-8, que sólo quieren hacer Python para tratarla como UTF-8 no ASCII

.

Answer 1

>>> plain_string = "Hi!"
>>> unicode_string = u"Hi!"
>>> type(plain_string), type(unicode_string)
(<type 'str'>, <type 'unicode'>)

^ Esta es la diferencia entre una cadena de bytes (plain_string) y una cadena Unicode.

>>> s = "Hello!"
>>> u = unicode(s, "utf-8")

^ conversión a Unicode y especificando la codificación.

Answer 2

Si los métodos anteriores no funcionan, también puede decirle a Python para ignorar partes de una cadena que no puede convertir a UTF-8:

stringnamehere.decode('utf-8', 'ignore')

Answer 3

Puede que sea un poco exagerado, pero cuando trabajo con ASCII y Unicode en archivos mismos, repitiendo decodificación puede ser un dolor, esto es lo que yo uso:

def make_unicode(input):
    if type(input) != unicode:
        input =  input.decode('utf-8')
        return input
    else:
        return input

Answer 4

añadiendo la siguiente línea a la parte superior de su archivo .py:

# -*- coding: utf-8 -*-

le permite codificar cadenas directamente en el script, como esto:

utfstr = "ボールト"

Answer 5

Si he entendido bien, usted tiene una codificada byte cadena UTF-8 en el código.

Conversión de un byte-cadena a una cadena Unicode se conoce como la decodificación (Unicode -> byte-string está codificando).

Usted lo hace mediante el uso de la href="http://docs.python.org/library/functions.html#unicode" rel="noreferrer"> Unicode función o la método "http://docs.python.org/library/stdtypes.html#str.decode" rel = "noreferrer">. O bien:

unicodestr = unicode(bytestr, encoding)
unicodestr = unicode(bytestr, "utf-8")

O:

unicodestr = bytestr.decode(encoding)
unicodestr = bytestr.decode("utf-8")

Answer 6

city = 'Ribeir\xc3\xa3o Preto'
print city.decode('cp1252').encode('utf-8')

Answer 7

En Python 3.6, que no tienen un método integrado Unicode (). Cuerdas ya están almacenados como Unicode de manera predeterminada y no se requiere ninguna conversión. Ejemplo:

my_str = "\u221a25"
print(my_str)
>>> √25

Answer 8

Traducir con ord () y unichar (). Cada carbón Unicode tiene un número ASOCIADOS, algo así como un índice. Así Python tener un número de métodos para traducir entre un char y su número. Lo malo es un ejemplo ñ. Espero que pueda ayudar.

>>> C = 'ñ'
>>> U = C.decode('utf8')
>>> U
u'\xf1'
>>> ord(U)
241
>>> unichr(241)
u'\xf1'
>>> print unichr(241).encode('utf8')
ñ