Python：如何将utf-8代码字符串转换回字符串？

Question

我正在使用Python，不幸的是我的代码需要将表示字符串的utf-8代码的字符串转换为原始字符串，如：

我从其他代码获得的UTF-8代码字符串：

\u6b22\u8fce\u63d0\u4ea4\u5fae\u535a\u641c\u7d22\u4f7f\u7528\u53cd\u9988\uff0c\u8bf7\u76f4\u63a5

我需要将其转换回原始字符串。怎么做？

Answer 1

我认为这就是你想要的。它不是UTF-8字节字符串（从技术上来说，它是，但只是因为ASCII是UTF-8的子集）。

>>> s='\u6b22\u8fce\u63d0\u4ea4\u5fae\u535a\u641c\u7d22\u4f7f\u7528\u53cd\u9988\uff0c\u8bf7\u76f4\u63a5'
>>> print s.decode('unicode-escape')
欢迎提交微博搜索使用反馈，请直接

仅供参考，这是UTF-8：

>>> s.decode('unicode-escape').encode('utf8')

'\ XE6 \ XAC \ XA2 \ xe8 \ XBF \ x8e \ XE6 \ X8F \ X90 \ XE4 \ XBA \ XA4 \ xe5 \ XBE \ XAE \ xe5 \ x8d \ x9a \ XE6 \ X90 \ x9c \ XE7 \ XB4 \ XA2 \ XE4 \ XBD \ XBF \ XE7 \ X94 \ xa8 \ xe5 \ X8F \ x8d \ xe9 \ xa6 \ X88 \ XEF \ XBC \ x8c \ xe8 \ XAF \ XB7 \ XE7 \ x9b \ XB4 \ XE6 \ x8e \ xa5 “

Answer 2

如果我理解这个问题，我们有一个简单的字节字符串，其中包含Unicode转义，或者类似的东西：

a = '\u6b22\u8fce\u63d0\u4ea4\u5fae\u535a\u641c\u7d22\u4f7f\u7528\u53cd\u9988\uff0c\u8bf7\u76f4\u63a5'

In [122]: a
Out[122]: '\\u6b22\\u8fce\\u63d0\\u4ea4\\u5fae\\u535a\\u641c\\u7d22\\u4f7f\\u7528\\u53cd\\u9988\\uff0c\\u8bf7\\u76f4\\u63a5'

因此我们需要使用Unicode代码点手动解析字符串中的unicode值：

\u6b22 => unichr(0x6b22) # 欢

或最后：

print "".join([unichr(int('0x'+a[i+2:i+6], 16)) for i in range(0, len(a), 6)])
欢迎提交微博搜索使用反馈，请直接

Answer 3

Mark Pilgrim在他的书中解释过这一点。看看

http://www.diveintopython.net/xml_processing/unicode.html

>>> s = u"\u6b22\u8fce\u63d0\u4ea4\u5fae\u535a\u641c\u7d22\u4f7f\u7528\u53cd\u9988\uff0c\u8bf7\u76f4\u63a5"

>>> print s.encode("utf-8")

>>> 欢迎提交微博搜索使用反馈，请直接