\xe4\xbd\xa0\xe5\xa5\xbd 或者 \xc4\xe3\xba\xc3
这是什么~~,在学习中经常会遇到一些情况导致中文乱码问题,那么如何解决乱码呢,很简单,可以分两步
- 判断它是一个什么类型的乱码:
str_ = b'\xe4\xbd\xa0\xe5\xa5\xbd' import chardet chardet.datect(str_) >>> {'encoding': 'utf-8', 'confidence': 0.7525, 'language': ''}
返回的数据字典中,encoding的值就是他的字符集
-
针对这个乱码和它的字符集进行解码:
new_str = str_.decode("utf8") new_str >>> '你好'
string.decode("XXX"),这里的XXX就是对应的字符集,一般是utf8 或者 gbk。
例子:
import chardet
# utf-8
word = "你好"
# 制造乱码
bad_word = word.encode("utf8")
bad_word
>>> b'\xe4\xbd\xa0\xe5\xa5\xbd'
# 查询乱码
chardet.detect(bad_word)
>>> {'encoding': 'utf-8', 'confidence': 0.7525, 'language': ''}
# 解决乱码
new_word = bad_word.decode("utf8")
new_word
>>> '你好'
# gbk
# utf-8
word = "你好"
# 制造乱码
bad_word = word.encode("gbk")
bad_word
>>> b'\xc4\xe3\xba\xc3'
# 查询乱码
chardet.detect(bad_word)
>>> {'encoding': 'TIS-620', 'confidence': 0.3598212120361634, 'language': 'Thai'}
# 解决乱码
new_word = bad_word.decode("gbk")
new_word
>>> '你好'