Python では、文字列はユニコード ( utf-16 と utf-8 の両方) と、異なるエンコーディングのシングルバイト ( cp1251、cp1252 など) の場合があります。エンコーディング文字列が何であるかを確認することは可能ですか? 例えば、
time.strftime( "%b" )
月のテキスト名を含む文字列を返します。MacOS では返される文字列は utf-16 になり、英語ローカルの Windows では ascii エンコーディングで 1 バイトになり、英語以外のロケールの Windows では、cp1251 などのロケールのコードページでエンコードされます。そのような文字列をどのように処理できますか?
文字列にはエンコード情報は格納されません。Unicodeとの間で変換するとき、または出力デバイスに出力するときに、エンコード情報を指定する必要があります。
import locale
lang, encoding = locale.getdefaultlocale()
mystring = u"blabla"
print mystring.encode(encoding)
UTF-8はUnicodeではなく、Unicodeを1バイトの文字列にエンコードしたものです。
ベストプラクティスは、Python側のあらゆる場所でUnicodeを使用し、UTF-8などのUnicodeリバーシブルエンコーディングを使用して文字列を保存し、ユーザー出力専用のファンシーロケールに変換することです。
不明なエンコーディングでかなり長い文字列がある場合は、たとえばhttps://github.com/dcramer/chardetのUniversal Encoding Detectorを使用して、エンコーディングを推測することができます。もちろん、絶対確実ではありませんが、正しく推測される場合があります。 ;-)。しかし、それは非常に短い文字列ではあまり役に立ちません。
文字セット エンコーディングの検出は非常に複雑です。
しかし、これに対するあなたの本当の目的は何ですか？値を Unicode にするだけの場合は、次のように記述します。
unicode(time.strftime("%b"))
上記のすべてのケースで機能するはずです。