এটি একটি সাধারণ সমস্যা, সুতরাং এখানে তুলনামূলকভাবে পূর্ণ চিত্রণ।
অ-ইউনিকোড স্ট্রিং (অর্থাত ছাড়া তাদের জন্য u
মত উপসর্গ u'\xc4pple'
), নেটিভ এনকোডিং (থেকে এক আবশ্যক ডিকোড iso8859-1
/ latin1
, যদি না হেঁয়ালিপূর্ণ সঙ্গে পরিবর্তিতsys.setdefaultencoding
ফাংশন) থেকে unicode
, তারপর এই ক্ষেত্রে যে অক্ষরগুলি আপনি চান প্রদর্শন করতে পারেন একটি অক্ষর সেটে সঙ্কেতাক্ষরে লিখা, আমি 'সুপারিশ UTF-8
।
প্রথমত, এখানে একটি কার্যকর ইউটিলিটি ফাংশন যা পাইথন ২.7 স্ট্রিং এবং ইউনিকোডের নিদর্শনগুলি আলোকিত করতে সহায়তা করবে:
>>> def tell_me_about(s): return (type(s), s)
একটি সরল স্ট্রিং
>>> v = "\xC4pple"
>>> tell_me_about(v)
(<type 'str'>, '\xc4pple')
>>> v
'\xc4pple'
>>> print v
?pple
একটি iso8859-1 স্ট্রিং ডিকোডিং - প্লেইন স্ট্রিংটিকে ইউনিকোডে রূপান্তর করুন
>>> uv = v.decode("iso-8859-1")
>>> uv
u'\xc4pple'
>>> tell_me_about(uv)
(<type 'unicode'>, u'\xc4pple')
>>> print v.decode("iso-8859-1")
Äpple
>>> v.decode('iso-8859-1') == u'\xc4pple'
True
আরও একটি উদাহরণ - "Ä" সহ
>>> u"Ä" == u"\xc4"
True
>>> "Ä" == u"\xc4"
False
>>> "Ä".decode('utf8') == u"\xc4"
True
>>> "Ä" == "\xc4"
False
ইউটিএফ-তে এনকোডিং
>>> u8 = v.decode("iso-8859-1").encode("utf-8")
>>> u8
'\xc3\x84pple'
>>> tell_me_about(u8)
(<type 'str'>, '\xc3\x84pple')
>>> u16 = v.decode('iso-8859-1').encode('utf-16')
>>> tell_me_about(u16)
(<type 'str'>, '\xff\xfe\xc4\x00p\x00p\x00l\x00e\x00')
>>> tell_me_about(u8.decode('utf8'))
(<type 'unicode'>, u'\xc4pple')
>>> tell_me_about(u16.decode('utf16'))
(<type 'unicode'>, u'\xc4pple')
ইউনিকোড এবং ইউটিএফ এবং লাতিন 1 এর মধ্যে সম্পর্ক
>>> print u8
Äpple
>>> print u8.decode('utf-8')
Äpple
>>> print u16
���pple
>>> print u16.decode('utf16')
Äpple
>>> v == u8
False
>>> v.decode('iso8859-1') == u8
False
>>> u8.decode('utf-8') == v.decode('latin1') == u16.decode('utf-16')
True
ইউনিকোড ব্যতিক্রম
>>> u8.encode('iso8859-1')
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
UnicodeDecodeError: 'ascii' codec can't decode byte 0xc3 in position 0:
ordinal not in range(128)
>>> u16.encode('iso8859-1')
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
UnicodeDecodeError: 'ascii' codec can't decode byte 0xff in position 0:
ordinal not in range(128)
>>> v.encode('iso8859-1')
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
UnicodeDecodeError: 'ascii' codec can't decode byte 0xc4 in position 0:
ordinal not in range(128)
এগুলির মধ্যে একটি নির্দিষ্ট এনকোডিং (ল্যাটিন -1, utf8, utf16) থেকে ইউনিকোডে রূপান্তরিত হয়ে উঠতে পারে u8.decode('utf8').encode('latin1')
।
সুতরাং সম্ভবত নিম্নলিখিত নীতিগুলি এবং সাধারণীকরণগুলি আঁকতে পারে:
- টাইপটি
str
বাইটের একটি সেট, যার মধ্যে অনেকগুলি এনকোডিং থাকতে পারে যেমন লাতিন -১, ইউটিএফ -8, এবং ইউটিএফ -16
- টাইপটি
unicode
বাইটের একটি সেট যা যে কোনও সংখ্যক এনকোডিংয়ে রূপান্তরিত হতে পারে, সাধারণভাবে ইউটিএফ -8 এবং ল্যাটিন -1 (iso8859-1)
print
কমান্ড রয়েছে এনকোডিং-এর জন্য নিজস্ব যুক্তিবিজ্ঞান , এর সেট sys.stdout.encoding
এবং হল UTF-8 নির্ধারিত লিঙ্ক
str
অন্য একটি এনকোডিংয়ে রূপান্তর করার আগে একটিকে ইউনিকোডে ডিকোড করতে হবে ।
অবশ্যই, পাইথন 3.x এ এই সমস্ত পরিবর্তন হয়েছে।
আশা করি তা আলোকিত করছে।
আরও পড়া
আর আর্মিন রোনাচারের খুব বর্ণনামূলক রেন্টস: