我正在尝试从网站上获取带有特殊字符的文本，因此Python返回的字符串中充满了“\ x”字符。 但是，似乎编码是错误的。 例如，在获取时：
th =urllib2.urlopen('http://norse.ulver.com/dct/zoega/th.html')
网页<h1>级别的行应包含字母“Þ”，其字节编号为C39E，Unicode代码为DE http://www.fileformat.info/info/charset/UTF-8/list.htm
相反，我得到了
'<h1>\xc3\x9e</h1>'
将字节数分成两部分，这样当将行写入文件然后用Unicode编码打开它时，我得到“Ô而不是“Þ”。
如何强制Python将这样的字符编码为\uC39E或\xde而不是\xc3\x9e？
答案 0 :(得分：1)
这是U + 00DE的正确UTF-8 字节编码，它需要两个字节来表示它（hide()和<?php
if($_SERVER['REQUEST_METHOD'] == 'POST') {
// Make connection to database first
// example from http://www.w3schools.com/php/php_mysql_insert.asp
$servername = "localhost";
$username = "username";
$password = "password";
$dbname = "myDB";
// Create connection
$conn = new mysqli($servername, $username, $password, $dbname);
// Check connection
if ($conn->connect_error) {
die("Connection failed: " . $conn->connect_error);
}
// Use DomDocument (more options / flexibility)
$doc = new DOMDocument();
$doc->loadXML($_POST['zitem']);
$items = $dom->getElementsByTagName('ITEM');
foreach ($items as $item) {
// The attributed in the XML item "ITEM", can be retrieved by using $item->getAttribute('nameofattribute')
$id = $item->getAttribute('id');
$name = $item->getAttribute('name');
$mesh_name = $item->getAttribute('mesh_name');
// Some logic, see for yourself.
$cashitem = false;
if ($item->getAttribute('iscashitem') == true) {
$cashitem = true;
}
$staffitem = false;
if ($item->getAttribute('isstaffitem') == true) {
$staffitem = true;
}
// Insert the item from XML into MySQL-table
$sql = "
INSERT INTO Items
(id, name, mesh_name, cashitem, staffitem)
VALUES (
'" . $mysqli->real_escape_string($id) . "',
'" . $mysqli->real_escape_string($name) . "',
'" . $mysqli->real_escape_string($mesh_name) . "',
'somevaluehere',
'somevaluehere'
)";
if ($conn->query($sql) === TRUE) {
echo "New record created successfully";
} else {
echo "Error: " . $sql . "<br>" . $conn->error;
}
}
$conn->close();
}
?>
<form method="post">
<textarea name="zitem"></textarea>
<input type="submit" value="Submit your XML file" />
</form>
），但是你需要将其解码为Unicode以查看Unicode代码点：
\xc3以上是显示正确Unicode代码点的Unicode字符串。在UTF-8控制台上打印：
\x9e如果您使用错误的编码进行解码，则会获得不同的Unicode代码点。在这种情况下，U + 00C3和U + 017E。 >>> '<h1>\xc3\x9e</h1>'.decode('utf8')
u'<h1>\xde</h1>'
是Unicode代码点的Unicode字符串中的转义码＆lt; U + 0100而>>> print '<h1>\xc3\x9e</h1>'.decode('utf8')
<h1>Þ</h1>
是一个用于码点＆lt; U + 10000：
\xc3推荐阅读：