Comment convertir une chaîne de caractères en utf-8 en Python

Question

J'ai un navigateur qui envoie des caractères utf-8 à mon serveur Python, mais lorsque je le récupère à partir de la chaîne de requête, l'encodage que Python renvoie est ASCII. Comment puis-je convertir la chaîne en clair en utf-8 ?

NOTE : La chaîne passée depuis le web est déjà encodée en UTF-8, je veux juste que Python la traite comme UTF-8 et non ASCII.

Answer 1

En Python 2

>>> plain_string = "Hi!"
>>> unicode_string = u"Hi!"
>>> type(plain_string), type(unicode_string)
(<type 'str'>, <type 'unicode'>)

^ C'est la différence entre une chaîne d'octets (plain_string) et une chaîne unicode.

>>> s = "Hello!"
>>> u = unicode(s, "utf-8")

^ Convertir en unicode et spécifier l'encodage.

En Python 3

Toutes les chaînes de caractères sont unicode. Le site unicode n'existe plus. Voir la réponse de @Noumenon

Answer 2

Si les méthodes ci-dessus ne fonctionnent pas, vous pouvez également indiquer à Python d'ignorer les parties d'une chaîne qu'il ne peut pas convertir en utf-8 :

stringnamehere.decode('utf-8', 'ignore')

Answer 3

C'est peut-être un peu exagéré, mais lorsque je travaille avec de l'ascii et de l'unicode dans les mêmes fichiers, le décodage répété peut être une douleur, c'est ce que j'utilise :

def make_unicode(inp):
    if type(inp) != unicode:
        inp =  inp.decode('utf-8')
    return inp

Answer 4

Ajoutez la ligne suivante au début de votre fichier .py :

# -*- coding: utf-8 -*-

vous permet d'encoder des chaînes de caractères directement dans votre script, comme ceci :

utfstr = "ボールト"

Answer 5

Si je comprends bien, vous avez une chaîne d'octets encodée en utf-8 dans votre code.

La conversion d'une chaîne d'octets en une chaîne unicode est appelée décodage (unicode -> chaîne d'octets est un encodage).

Pour ce faire, vous utilisez l'option unicode ou la fonction décoder méthode. Soit :

unicodestr = unicode(bytestr, encoding)
unicodestr = unicode(bytestr, "utf-8")

Ou :

unicodestr = bytestr.decode(encoding)
unicodestr = bytestr.decode("utf-8")