エンコーディングがリテラル

Question

は、次の例で考えてみましょう「」Uに使用：私はアイドルの中cp1251エンコーディングを使用していますが、インタプリタが実際にUnicode文字列を作成するためにlatin1を使用するようにそれはそう

>>> s = u"баба" 
>>> s 
u'\xe1\xe0\xe1\xe0' 
>>> print s 
áàáà 

を：

>>> print s.encode('latin1') 
баба 

なぜですか？このような動作の仕様はありますか？

CPython、2.7。

---

編集

Iが実際に探していたコードが

>>> u'\xe1\xe0\xe1\xe0' == u'\u00e1\u00e0\u00e1\u00e0' 
True 

ことであるように256を単に放置されていることを以下latin1コーデック、すべてのUnicodeポイントとUnicodeを符号化するときのように思えるです前に入力したバイトが返されます。

Answer 1

бなどの文字を端末に入力すると、бが表示されますが、実際に入力されるのは一連のバイトです。

端末符号化はcp1251でエンコードされたUnicode бабаに等しいバイトのシーケンスのбаба結果を入力し、cp1251あるので：

In [219]: "баба".decode('utf-8').encode('cp1251') 
Out[219]: '\xe1\xe0\xe1\xe0' 

（cp1251、私の端末の符号化がutf-8であるので、私は上記utf-8を使用しないで注意してください。私のために、"баба".decode('utf-8')は単なるбабаのユニコードです。）

タイプбабаはバイトシーケンスs \xe1\xe0\xe1\xe0、端末にu"баба"と入力すると、Pythonは代わりにu'\xe1\xe0\xe1\xe0'を受信します。あなたは

>>> s 
u'\xe1\xe0\xe1\xe0' 

このUnicodeがáàáàを表現するためにたまたま見ている理由です。

そして、あなたは

>>> print s.encode('latin1') 

を入力するとlatin1エンコーディングは'\xe1\xe0\xe1\xe0'からu'\xe1\xe0\xe1\xe0'変換されます。 端末はバイト'\xe1\xe0\xe1\xe0'のシーケンスを受信し、cp1251でそれらをデコードし、従ってбаба印刷：

In [222]: print('\xe1\xe0\xe1\xe0'.decode('cp1251')) 
баба 

試行：

>>> s = "баба" 

（uせず）の代わり。または、

>>> s = "баба".decode('cp1251') 

sunicodeを作ります。あなたは間違った質問をしている

>>> s = u'\N{CYRILLIC SMALL LETTER BE}\N{CYRILLIC SMALL LETTER A}\N{CYRILLIC SMALL LETTER BE}\N{CYRILLIC SMALL LETTER A}' 

または短いが少なく、容易に理解できる

>>> s = u'\u0431\u0430\u0431\u0430'