Windows环境Python2.7中'á'显示为'\xa0'的原因探究

• 设备：Windows
• 环境：同时安装已停止支持的Python 2.7.16与Python 3.7.1，日常使用Git Bash作为主Shell
• 基础认知：了解Python3中unicode重命名为str，清楚Unicode代码点与字节编码的区别

在Git Bash中运行Python2.7时，输入带重音的字符得到不符合预期的结果：

Python 2.7.16 (v2.7.16:413a49145e, Mar  4 2019, 01:37:19) [MSC v.1500 64 bit (AMD64)] on win32

>>> 'á'
'\xa0'  # 预期为 '\xc3\xa1'
>>> len('á') 
1       # 预期为 2

# 参考示例
>>> 'à'
'\x85'  # 预期为 '\xc3\xa0'

1. 使用unicode对象可得到预期结果：

>>> u'á'.encode('utf-8')
'\xc3\xa1'
>>> len(u'á'.encode('utf-8'))
2

2. 在IDLE中运行Python2.7得到不同结果（已知是IDLE使用Latin1编码导致）：

Python 2.7.16 (v2.7.16:413a49145e, Mar  4 2019, 01:37:19) [MSC v.1500 64 bit (AMD64)] on win32
>>> 'á'
'\xe1'
>>> len('á')
1
>>> 'à'
'\xe0'

• 默认编码是否为问题根源？当前sys.getdefaultencoding()返回ascii，不敢修改默认编码。
• 是否为Git Bash终端编码问题？是否需要修改PYTHONIOENCODING环境变量？Git Bash的locale显示为en_US.UTF-8。
• 改用文件执行（设置# -*- coding: utf-8 -*-）是否可行？虽知道升级Python3可解决，但仍想探究此现象原因。

核心原因：终端输入编码与Python 2字符串处理的不匹配 #

在Python 2中，直接输入的'á'是字节串（str类型），而非Unicode对象。这个字节串的内容取决于终端将你输入的Unicode字符编码为字节的方式，以及Python读取这些字节时采用的编码规则。

1. Git Bash的实际编码映射问题 #

Git Bash在Windows上是POSIX环境模拟层，它显示的en_US.UTF-8 locale是POSIX层的设置，但实际与Python交互时，使用的是Windows传统控制台编码CP850（DOS Latin-1）：

• CP850编码表中，á对应的字节是0xA0，à对应的字节是0x85，这完全匹配你看到的输出结果。也就是说，你输入的Unicode字符á被Git Bash用CP850编码为字节\xa0，Python直接接收这个字节作为str对象，所以输出'\xa0'，长度为1。

2. sys.getdefaultencoding()的作用 #

sys.getdefaultencoding()仅用于Python内部Unicode与字节串的自动转换（比如unicode(str)时的默认编码），它不影响终端输入输出的编码处理，所以你的问题和它无关，无需修改。

3. 解决方法与验证 #

方法1：设置PYTHONIOENCODING环境变量

在Git Bash中执行以下命令，告诉Python用UTF-8处理标准输入输出：

export PYTHONIOENCODING=utf-8

重新启动Python 2后，输入'á'会得到'\xc3\xa1'，len('á')返回2，与预期一致。

方法2：使用Unicode对象（已验证可行）

Python 2中前缀u''创建的是Unicode对象，它会正确解析终端输入的字符为Unicode代码点，再通过encode('utf-8')转成UTF-8字节串即可得到预期结果。

方法3：通过文件执行代码

将代码写入文件并在开头添加# -*- coding: utf-8 -*-，Python会按UTF-8解析文件中的字符串，此时'á'会被解析为UTF-8字节串'\xc3\xa1'，执行结果符合预期。注意此方法仅针对文件中的字符串，与终端输入场景无关。

为什么IDLE中结果不同？ #

IDLE基于Windows GUI实现，使用的是系统默认的GUI编码（通常为CP1252），CP1252是单字节编码，á对应的字节是\xe1，所以Python 2中'á'的输出为'\xe1'，长度为1。

内容的提问来源于stack exchange，提问作者Nate Anderson