python下一个转码的问题

我想把一个quoted的字符串经过unquote处理后，打印出来。被unquote处理后的字串应该是utf-8的，因此还需要按照utf-8再做一次解码，代码如下：

 

import urllib
import struct

srcString = u'%E4%BD%A0%E5%A5%BD'        # 一个quoted的字串
unquotedString = urllib.unquote(srcString)    # 经过unquote解码

textString = unquotedString.decode('utf-8')    # 再按照utf-8decode之后打印

print textString

我会在textString = unquotedString.decode('utf-8')得到如下错误

UnicodeEncodeError: 'ascii' codec can't encode characters in position 0-5: ordinal not in range(128)

 

编码错误是python中最难搞的问题，难道unquotedString不是utf-8编码的？我在unquotedString = urllib.unquote(srcString)这行之后插入了如下代码：

print repr(unquotedString)

得到结果为：

u'\xe4\xbd\xa0\xe5\xa5\xbd'

编码上完全是utf-8的……不过，为什么前面还有个u''？也就是说python把这个字符串当做unicode来处理，而其实是utf-8编码的。因此我猜测是不是urllib.unquote会保留所处理数据的类型，如果收到的是str，则转出来的就是str；如果收到的是unicode，则转出来的就是unicode？于是我把代码改成如下：

import urllib
import struct

srcString = '%E4%BD%A0%E5%A5%BD'
unquotedString = urllib.unquote(srcString)
print repr(unquotedString)

textString = unquotedString.decode('utf-8')

print textString

执行后得到结果：

'\xe4\xbd\xa0\xe5\xa5\xbd'

你好

 

这样就正常了。看起来应该就是我之前的猜测，不应该把unicode交给urllib.unquote来处理，否则得到的是一个数据类型和编码不一致的结果，对这个结果再怎么转都会报错。

 

另外，repr真是个好东西，它把一个对象转成人可以识别的字串。