Question

我有一个看起来像这样的数组

data = [   
    {   'string': u'CN=Willian John sway\xc3\xa9rioGra\xc3\xa7a/emailAddress=will.graca@mail.acme.pt'},
    {   'string': u'CN=E0999999.www.acme.com'}
]

某些字符串包含unicode转义字符串，而某些字符串则不包含。我需要迭代数组并转换unicode转义字符串。

我试过这样做：

for i in data:
    print unicode(i['string'], 'unicode-escape')

但是，这总是会引发非转义字符串的异常。

作为迭代的一部分，是否有一种简单的方法来测试它？

Answer 1

你拥有的是双重编码的字符串。它已被解码一次以创建Unicode，但您需要再次解码它。

为此，我们利用Unicode从latin-1字符集中获取其前256个代码点的事实。这让我们将Unicode字符串转换回字节字符串，然后我们可以从UTF-8中解码。

print i['string'].encode('latin-1').decode('utf-8')

如果这对你没有decode有用，那是因为你的控制台已经直接理解了UTF-8字节字符串。如果要分配新的Unicode字符串而不是打印它，则需要decode。

Answer 2

很难确定你的问题，但我猜你想要将带有非ASCII字符的Unicode字符串转换为在每个无法用ASCII表示的字符之前使用反斜杠的转义版本。为此，你想要：

for item in data:
   print item["string"].encode("unicode-escape")

测试unicode转义字符串

2 个答案: