Python 如何解码cp1252字符串？

我得到一个带有eyeD3的mp3标签（ID V1），我想了解它的编码。以下是我尝试的：

>>> print(type(mp3artist_v1))
<type 'unicode'>

>>> print(type(mp3artist_v1.encode('utf-8')))
<type 'str'>

>>> print(mp3artist_v1)
Zåìôèðà

>>> print(mp3artist_v1.encode('utf-8').decode('cp1252'))
Zåìôèðà 

>>> print(u'Zемфира'.encode('utf-8').decode('cp1252'))
Zемфира

但是它没有帮助，因为我应该先用一个字符集编码，然后用另一个字符集解码

s = u'Zåìôèðà'
print s.encode('latin1').decode('cp1251')
# Zемфира

说明：

Zå236;èèèèa

被错误地视为unicode字符串，而实际上它是一个字节序列，在cp1251中表示

Zèèèфèèa

。通过应用

encode（'latin1'）

我们将这个“unicode”字符串转换回字节，使用码点数作为字节值，然后将这些字节转换回unicode，告诉解码器我们使用的是cp1251

至于自动解码，以下暴力方法似乎适用于您的示例：

import re, itertools

def guess_decode(s):
    encodings = ['cp1251', 'cp1252', 'utf8']

    for steps in range(2, 10, 2):
        for encs in itertools.product(encodings, repeat=steps):
            r = s
            try:
                for enc in encs:
                    r = r.encode(enc) if isinstance(r, unicode) else r.decode(enc)
            except (UnicodeEncodeError, UnicodeDecodeError) as e:
                continue
            if re.match(ur'^[\w\sа-яА-Я]+$', r):
                print 'debug', encs, r
                return r

print guess_decode(u'Zемфира')
print guess_decode(u'Zåìôèðà')
print guess_decode(u'ZåìôèðÃ\xA0')

结果:

debug ('cp1252', 'utf8') Zемфира
Zемфира
debug ('cp1252', 'cp1251') Zемфира
Zемфира
debug ('cp1252', 'utf8', 'cp1252', 'cp1251') Zемфира
Zемфира

---

非常感谢。有了这个帮助，我刚刚为Picard mp3 tagger编写了一个基本插件，用于解码损坏的西里尔语标记。

debug ('cp1252', 'utf8') Zемфира
Zемфира
debug ('cp1252', 'cp1251') Zемфира
Zемфира
debug ('cp1252', 'utf8', 'cp1252', 'cp1251') Zемфира
Zемфира