Python 2.7打印含波兰语字母列表乱码问题求助

嘿，这个问题我太熟悉了——Python 2的编码机制和Python 3差异很大，尤其是处理非ASCII字符时很容易踩坑！你看到的['\xc4\x84', '\xc5\xbb', '\xc3\x93', '\xc4\x86', '\xc5\xb9']其实是这些波兰语字符的UTF-8字节表示，不是真的乱码，只是Python 2默认把字节串（str类型）直接打印成了转义形式。

先说说你两种写法的问题： #

• 写法一：split()后得到的是列表，而decode()是字符串（str）的专属方法，列表没有这个属性，所以这段代码会直接报错，根本跑不起来。
• 写法二：你用列表推导式生成了编码后的元素，但没有把结果赋值给mail，原mail还是拆分后的字节串列表；而且方向搞反了——你需要把字节串（str）解码成unicode类型，而不是做编码操作。

正确的处理步骤： #

首先必须在Python文件开头声明编码，告诉解释器用UTF-8读取源码（不然直接写波兰语字符会触发编码错误）：

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

然后分两种可靠方式处理：

方式1：先转成unicode再拆分

# -*- coding: utf-8 -*-
# 原始字符串是UTF-8编码的字节串（str类型）
mail_str = " Ą Ż Ó Ć Ź"
# 先把字节串解码成unicode类型（Python 2中专门存文本的类型）
mail_unicode = mail_str.decode('utf-8')
# 拆分得到unicode元素组成的列表
mail_list = mail_unicode.split()
# 打印时，Python 2会自动将unicode转成控制台支持的编码（只要控制台兼容就能正常显示）
print mail_list

方式2：拆分后逐个解码

# -*- coding: utf-8 -*-
mail_str = " Ą Ż Ó Ć Ź"
# 拆分得到字节串列表
mail_list = mail_str.split()
# 遍历列表，把每个字节串解码成unicode
unicode_mail_list = [item.decode('utf-8') for item in mail_list]
print unicode_mail_list

额外注意：Windows控制台编码适配 #

如果你的Windows控制台默认编码不支持UTF-8（比如用的是GBK或CP1252），即使转成unicode可能还是显示乱码。这时候可以把unicode转成Windows支持的中欧编码（CP1250，专门适配波兰语等东欧语言）：

# -*- coding: utf-8 -*-
mail_str = " Ą Ż Ó Ć Ź"
mail_list = mail_str.split()
unicode_list = [item.decode('utf-8') for item in mail_list]
# 转成CP1250编码的字节串再打印
print [item.encode('cp1250') for item in unicode_list]

这样就能正确显示['Ą', 'Ż', 'Ó', 'Ć', 'Ź']啦！

内容的提问来源于stack exchange，提问作者Mr_Happy