Desarrollo de Python
  1. Desarrollo de Python
  3. Cómo convertir una cadena a utf-8 en Python
Intereting Posts
¿Cómo representar tablas en django-datatable-view? Trazar el contorno 3D de una imagen utilizando la extensión con Matplotlib ¿Cómo detectar elementos nuevos y modificados en un feed RSS? ¿Hay un truco para romper la impresión incorporada con pdb? Error de elementos de módulo de importación de Scrapy django.db.utils.IntegrityError: el valor de la clave duplicada viola la restricción única “django_content_type_pkey” Función estilo pandas para hignlight columnas específicas ImportError: no hay un módulo llamado django.core.management cuando se usa manage.py Elimine las filas duplicadas del dataframe de Pandas donde solo algunas columnas tienen el mismo valor Importación cruzada simple en python ¿Cómo hacer que el gráfico de barras de matplotlib / pandas se vea como un gráfico de hist? Haystack dice “No se pudo encontrar el modelo para SearchResult” Vectores propios de Python: diferencias entre numpy.linalg, scipy.linalg y scipy.sparse.linalg cómo analizar una cadena en un diccionario PyGame en un virtualenv en OS X con brew?

Cómo convertir una cadena a utf-8 en Python

Tengo un navegador que envía caracteres utf-8 a mi servidor Python, pero cuando lo recupero de la cadena de consulta, la encoding que devuelve Python es ASCII. ¿Cómo puedo convertir la cadena plana a utf-8?

NOTA: La cadena que se pasa desde la web ya está codificada en UTF-8, solo quiero que Python la trate como UTF-8 y no como ASCII. 

 >>> plain_string = "Hi!" >>> unicode_string = u"Hi!" >>> type(plain_string), type(unicode_string) (, )

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

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

^ Convertir a unicode y especificar la encoding.

Si los métodos anteriores no funcionan, también puedes decirle a Python que ignore partes de una cadena que no puede convertir a utf-8: 

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

Puede que sea un poco excesivo, pero cuando trabajo con ascii y unicode en los mismos archivos, repetir la deencoding puede ser una molestia, esto es lo que uso: 

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

Si lo comprendo correctamente, tiene una cadena de bytes codificada en utf-8 en su código.

La conversión de una cadena de bytes a una cadena de Unicode se conoce como deencoding (Unicode -> la cadena de bytes es la encoding).

Lo haces usando la función Unicode o el método de deencoding . Ya sea: 

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

O: 

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

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

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

te permite codificar cadenas directamente en tu script, como esto: 

 utfstr = "ボールト" 
 city = 'Ribeir\xc3\xa3o Preto' print city.decode('cp1252').encode('utf-8')

En Python 3.6, no tienen un método unicode () incorporado. Las cadenas ya están almacenadas como Unicode de forma predeterminada y no se requiere ninguna conversión. Ejemplo: 

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

Traducir con ord () y unichar (). Cada char de Unicode tiene un número asociado, algo así como un índice. Así que Python tiene algunos métodos para traducir entre un personaje y su número. El inconveniente es un ejemplo. 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