如何使用 python 将 Cyrillic WINDOWS-1251 字符串解码为 unicode答案

【问题标题】：How to decode Cyrillic WINDOWS-1251 string to unicode using python如何使用 python 将 Cyrillic WINDOWS-1251 字符串解码为 unicode
【发布时间】：2019-01-26 03:39:32
【问题描述】：

我有一个非常大 (2.5 GB) 的文本文件，其中包含各种编码的西里尔字符，包括 Windows-1251：

=D0=A0=D0=B2=D0=B8=D1=81=D1=8C =D0=B2 =D0=B0=D1=82=D0=B0=D0=BA=D1=83 =D0= BD= =D0=B0 =C2=AB=D0=9F=D0=B5=D1=80=D1=88=D0=B8=D0=BD=D0=B3=D0=B5=C2=BB

我已经尝试过使用各种编码组合的 .encode() 和 .decode()，但我无法让文本可读。我也试过用二进制模式阅读。

with open('myfile.mbox', 'r') as f:
    unreadable_str = f.readline()

unreadable_str.encode('WINDOWS-1251').decode('utf-8')

我认为它会使用 Windows 编码将字符串编码为字节，然后将其返回为可读的 Unicode，但它总是输出相同的字符串。

【问题讨论】：

标签： python unicode

【解决方案1】：

该数据根据RFC 1522 进行编码。 quopri 模块可用于将数据解码为字节，看起来像 UTF-8 编码的数据：

>>> s='''=D0=A0=D0=B2=D0=B8=D1=81=D1=8C =D0=B2 =D0=B0=D1=82=D0=B0=D0=BA=D1=83 =D0=BD= =D0=B0 =C2=AB=D0=9F=D0=B5=D1=80=D1=88=D0=B8=D0=BD=D0=B3=D0=B5=C2=BB'''
>>> quopri.decodestring(s).decode('utf8')
'Рвись в атаку н= а «Першинге»'

【讨论】：