如何使用python 3将unicode文字的字符串表示形式从文件转换为真正的unicode文字？

Question

我得到了一个带有纯文本和一些unicode文字表示的文件，例如

STRING_LITERAL2 = '"' ( ([^\x22\x5C\xA\xD]) | '\' [tbnrf\"'] )* '"'

我需要将这些表示解释为真正的文字并在正则表达式中使用它们。问题是，如果我简单地阅读它们，我会得到

str_lit2 = ('\'"\' ( ([^\\x22\\x5C\\xA\\xD]) | \'\\\' [tbnrf\\"\'] )* \'"\''

并且python的import.re包无法解释这些文字。

我可以使用re.sub("\\\\x",...)找到具体的表示形式，但如果我想替换它们re.sub("\\\\x","\\x".encode().decode('unicode_escape'), str_lit2) - 说这些是真正的文字 - 我会收到以下错误：

UnicodeDecodeError: 'unicodeescape' codec can't decode bytes in position 0-1: truncated \xXX escape

那么如何将这些unicode文字的字符串代表转换为真正的文字呢？当然只适用于python3，因为我需要使用它。

问候 Meldamos

Answer 1

您包含的所有十六进制字符都属于US_ASCII平面，因为它们都没有设置最高有效位。例如，\x22等同于Unicode / ASCII引用"。同样地，\5c等同于Unicode / ASCII \。

如果没有您的进一步澄清，我认为您过度引用了正常的ASCII码点。