问在python中确定unicode字符串解码方法的最佳方法是什么？

EN

如果在“确定unicode的编码”中，“unicode”是python数据类型，那么您就不能这样做，因为“编码”指的是在输入字符串时表示字符串的原始字节模式(例如，从文件、数据库读取，您可以给它命名)。当它成为python 'unicode‘类型(内部表示)时，字符串要么已被解码到行后，要么已经抛出解码异常，因为字节序列没有与系统编码结合。

Shadyabhi的答案指的是(常见的)情况，在这种情况下，您正在从一个文件中读取字节(您很可能正在字符串中填充字节，而不是python字符串)，需要猜测它们保存在哪个编码中。严格地说，不能有"latin1 unicode python“：unicode python字符串没有编码(编码可以定义为将字符转换为字节模式的过程，解码为逆过程；解码后的字符串因此没有编码-尽管可以通过多种方式对其进行编码以实现存储/外部表示)。

例如，在我的机器上：

In [35]: sys.stdin.encoding
Out[35]: 'UTF-8'

In [36]: a='è'.decode('UTF-8')

In [37]: b='è'.decode('latin-1')

In [38]: a
Out[38]: u'\xe8'

In [39]: b
Out[39]: u'\xc3\xa8'
In [41]: sys.stdout.encoding
Out[41]: 'UTF-8'

In [42]: print b #it's garbage
è

In [43]: print a #it's OK
è

这意味着，在您的示例中，如果默认编码碰巧是UTF-8、UTF-16或与latin1不同的任何内容，则latin1将包含垃圾。

所以你(可能)想做的是：

1. 确定数据源的编码--也许使用Shadyabhi的一种方法
2. 根据(1)对数据进行解码，将其保存在python字符串
3. 中，使用原始编码(如果这符合您的需要)或其他您选择的编码。