Python获取不同编码的字符代码？答案

【问题标题】：Python get character code in different encoding?Python获取不同编码的字符代码？
【发布时间】：2012-01-25 21:33:43
【问题描述】：

给定一个编码为整数的字符代码，如何将字符代码（例如 utf-8）再作为整数获取？

【问题讨论】：

标签： python unicode encoding utf-8 character-codes

【解决方案1】：

UTF-8 is a variable-length encoding，所以我假设您的意思是“Unicode 代码点”。使用chr()将字符码转换为字符，解码，使用ord()获取码位。

>>> ord(chr(145).decode('koi8-r'))
9618

【讨论】：

chr() arg not in range(256) for 'shift_jisx0213'
在 Python 2 中，chr 仅支持 ASCII，因此仅支持 [0..255] 范围内的数字。使用 unichr 代替 Unicode 支持。
嗯UnicodeEncodeError: 'ascii' codec can't encode character u'\u8140' in position 0 : ordinal not in range(128)
chr(145) 可能等同于 Python 2 上的 unichr(145).encode('latin1')，如果输入在 range(256) 中。 Python 3 上没有unichr，它被重命名为chr。如果需要，通常可以修复输入：reinterpreted = unistr.encode(one_encoding).decode(another_encoding)

【解决方案2】：

如果它们都是单字节编码，则只能将“整数”从一种编码映射到另一种编码。

这是一个使用“iso-8859-15”和“cp1252”（又名“ANSI”）的示例：

>>> s = u'€'
>>> s.encode('iso-8859-15')
'\xa4'
>>> s.encode('cp1252')
'\x80'
>>> ord(s.encode('cp1252'))
128
>>> ord(s.encode('iso-8859-15'))
164

注意ord 在这里被用来获取编码字节的序号。在原始 unicode 字符串上使用 ord 将给出其 unicode 代码点：

>>> ord(s)
8364

ord 的逆运算可以使用chr（对于0 到127 范围内的代码）或unichr（对于0 到sys.maxunicode 范围内的代码）来完成：

>>> print chr(65)
A
>>> print unichr(8364)
€

对于多字节编码，简单的“整数”映射通常是不可能的。

这是与上面相同的示例，但使用“iso-8859-15”和“utf-8”：

>>> s = u'€'
>>> s.encode('iso-8859-15')
'\xa4'
>>> s.encode('utf-8')
'\xe2\x82\xac'
>>> [ord(c) for c in s.encode('iso-8859-15')]
[164]
>>> [ord(c) for c in s.encode('utf-8')]
[226, 130, 172]

“utf-8”编码使用三个字节来编码同一个字符，因此一对一的映射是不可能的。话虽如此，许多编码（包括“utf-8”）被设计为与 ASCII 兼容，因此映射通常适用于 0-127 范围内的代码（但只是微不足道，因为代码将始终相同）。

【讨论】：

【解决方案3】：

以下是编码/解码舞蹈如何工作的示例：

>>> s = b'd\x06'             # perhaps start with bytes encoded in utf-16
>>> map(ord, s)              # show those bytes as integers
[100, 6]
>>> u = s.decode('utf-16')   # turn the bytes into unicode
>>> print u                  # show what the character looks like
٤
>>> print ord(u)             # show the unicode code point as an integer
1636
>>> t = u.encode('utf-8')    # turn the unicode into bytes with a different encoding
>>> map(ord, t)              # show that encoding as integers
[217, 164]

希望这会有所帮助:-)

如果您需要直接从整数构造 unicode，请使用 unichr：

>>> u = unichr(1636)
>>> print u
٤

【讨论】：