我有一个子过程命令，输出一些字符，例如’\ xf1’。我正在尝试将其解码为utf8，但出现错误。
s = '\xf1' s.decode('utf-8')
上面抛出：
UnicodeDecodeError: 'utf8' codec can't decode byte 0xf1 in position 0: unexpected end of data
当我使用’latin-1’时它可以工作，但是utf8也不能工作吗？我的理解是latin1是utf8的子集。
我在这里想念什么吗？
编辑：
print s # ñ repr(s) # returns "'\\xa9'"
您已经将Unicode与UTF-8混淆了。Latin-1是Unicode的子集，但不是UTF-8的子集。 避免像瘟疫一样思考各个代码单元。 只需使用代码点即可。不要考虑UTF-8。考虑一下Unicode。这是您感到困惑的地方。
在Python中使用Unicode非常容易。特别是在Python 3和广泛的版本中，这是我使用Python的唯一方式，但是如果您小心翼翼地坚持使用UTF-8，仍然可以在狭窄的版本中使用旧版Python 2。
为此，请始终将您的源代码编码和输出编码正确地转换为UTF-8。现在，不要再考虑UTF了，而在整个Python程序中仅使用UTF-8文字，逻辑代码点号或符号字符名称。
这是带有行号的源代码：
% cat -n /tmp/py 1 #!/usr/bin/env python3.2 2 # -*- coding: UTF-8 -*- 3 4 from __future__ import unicode_literals 5 from __future__ import print_function 6 7 import sys 8 import os 9 import re 10 11 if not (("PYTHONIOENCODING" in os.environ) 12 and 13 re.search("^utf-?8$", os.environ["PYTHONIOENCODING"], re.I)): 14 sys.stderr.write(sys.argv[0] + ": Please set your PYTHONIOENCODING envariable to utf8\n") 15 sys.exit(1) 16 17 print('1a: el ni\xF1o') 18 print('2a: el nin\u0303o') 19 20 print('1a: el niño') 21 print('2b: el niño') 22 23 print('1c: el ni\N{LATIN SMALL LETTER N WITH TILDE}o') 24 print('2c: el nin\N{COMBINING TILDE}o')
以下是带有非ASCII字符且使用\x{⋯}符号单引号的打印功能：
\x{⋯}
% grep -n ^print /tmp/py | uniquote -x 17:print('1a: el ni\xF1o') 18:print('2a: el nin\u0303o') 20:print('1b: el ni\x{F1}o') 21:print('2b: el nin\x{303}o') 23:print('1c: el ni\N{LATIN SMALL LETTER N WITH TILDE}o') 24:print('2c: el nin\N{COMBINING TILDE}o')
这是该程序的示例运行，显示了执行该操作的三种不同方式（a，b和c）：第一种设置为源代码中的文字（将受StackOverflow的NFC转换约束，因此不可信任！！） ！）和后两个集合分别具有 数字Unicode代码点 和 符号Unicode字符名称 ，它们再次被单引号括起来，因此您可以看到真正的含义：
% python /tmp/py 1a: el niño 2a: el niño 1b: el niño 2b: el niño 1c: el niño 2c: el niño % python /tmp/py | uniquote -x 1a: el ni\x{F1}o 2a: el nin\x{303}o 1b: el ni\x{F1}o 2b: el nin\x{303}o 1c: el ni\x{F1}o 2c: el nin\x{303}o % python /tmp/py | uniquote -v 1a: el ni\N{LATIN SMALL LETTER N WITH TILDE}o 2a: el nin\N{COMBINING TILDE}o 1b: el ni\N{LATIN SMALL LETTER N WITH TILDE}o 2b: el nin\N{COMBINING TILDE}o 1c: el ni\N{LATIN SMALL LETTER N WITH TILDE}o 2c: el nin\N{COMBINING TILDE}o
我真的不喜欢二进制文件，但这是二进制字节的样子：
% python /tmp/py | uniquote -b 1a: el ni\xC3\xB1o 2a: el nin\xCC\x83o 1b: el ni\xC3\xB1o 2b: el nin\xCC\x83o 1c: el ni\xC3\xB1o 2c: el nin\xCC\x83o
即使使用UTF-8源码，也应该仅考虑和使用逻辑Unicode代码点编号（或符号命名字符），而不要使用作为UTF-8串行表示基础的单个8位代码单元（或就此而言） UTF-16）。很少需要代码单位而不是代码点，这只会使您感到困惑。
如果使用广泛的Python3版本，您将获得比其他选择更可靠的行为，但这是UTF-32问题，而不是UTF-8问题。如果您顺其自然，那么UTF-32和UTF-8都易于使用。
