Question

我知道这可能听起来像是一个重复的问题，但那是因为我不知道如何恰当地描述这个问题。

出于某种原因，我得到了一堆像这样的unicode字符串：

a = u'\xcb\xea'

正如您所看到的，它实际上是中文字符的字节表示，编码为gbk

>>> print(b'\xcb\xea'.decode('gbk'))
岁

我需要

u'岁'，但我不知道如何将u'\xcb\xea'转换为b'\xcb\xea'。
有什么建议吗？

Answer 1

它不是真正的字节表示，它仍然是unicode代码点。它们是错误的代码点，因为它是从字节解码的，就像它被编码为Latin-1一样。

编码为Latin 1（其代码点一对一映射到字节），然后解码为GBK：

a.encode('latin1').decode('gbk')

演示：

>>> a = u'\xcb\xea'
>>> a.encode('latin1').decode('gbk')
u'\u5c81'
>>> print a.encode('latin1').decode('gbk')
岁

Answer 2

python2的最简单方法是使用repr()：

>>> key_unicode = u'uuuu\xf6\x9f_\xa1\x05\xeb9\xd4\xa3\xd1'
>>> key_ascii = 'uuuu\xf6\x9f_\xa1\x05\xeb9\xd4\xa3\xd1'
>>> print(key_ascii)
uuuu��_��9ԣ�
>>> print(key_unicode)
uuuuö_¡ë9Ô£Ñ
>>>
>>> # here is the save method for both string types:
>>> print(repr(key_ascii).lstrip('u')[1:-1])
uuuu\xf6\x9f_\xa1\x05\xeb9\xd4\xa3\xd1
>>> print(repr(key_unicode).lstrip('u')[1:-1])
uuuu\xf6\x9f_\xa1\x05\xeb9\xd4\xa3\xd1
>>> # ____________WARNING!______________
>>> # if you will use jsut `str.strip('u\'\"')`, you will lose
>>> # the "uuuu" (and quotes, if such are present) on sides of the string:
>>> print(repr(key_unicode).strip('u\'\"'))
\xf6\x9f_\xa1\x05\xeb9\xd4\xa3\xd1

对于python3，使用str.encode()来获取字节类型。

>>> key = 'l\xf6\x9f_\xa1\x05\xeb9\xd4\xa3\xd1q\xf5L\xa9\xdd0\x90\x8b\xf5ht\x86za\x0e\x1b\xed\xb6(\xaa+'
>>> key
'lö\x9f_¡\x05ë9Ô£ÑqõL©Ý0\x90\x8bõht\x86za\x0e\x1bí¶(ª+'
>>> print(key)
lö_¡ë9Ô£ÑqõL©Ý0õhtzaí¶(ª+
>>> print(repr(key.encode()).lstrip('b')[1:-1])
l\xc3\xb6\xc2\x9f_\xc2\xa1\x05\xc3\xab9\xc3\x94\xc2\xa3\xc3\x91

如何在Python 2中将字符串转换为字节

2 个答案: