Question

我正在尝试从巴西Portogese文本解码：

'Demais Subfun \ xc3 \ xa7 \ xc3 \ xb5es 12'

应该是

'DemaisSubfunções12'

>> a.decode('unicode_escape')
>> a.encode('unicode_escape')
>> a.decode('ascii')
>> a.encode('ascii')

所有给予：

UnicodeDecodeError: 'ascii' codec can't decode byte 0xc3 in position 13:
ordinal not in range(128)

另一方面，这给出了：

>> print a.encode('utf-8')
Demais Subfun├â┬º├â┬Áes 12

>> print a
Demais SubfunÃ§Ãµes 12

Answer 1

您有不 ASCII编码的二进制数据。 \xhh代码点表示您的数据使用不同的编解码器编码，并且您看到Python生成数据using the repr() function的表示，可以将其重新用作Python文字这准确地让您重新创建完全相同的值。调试程序时，此表示非常有用。

换句话说，\xhh转义序列表示单个字节，hh是该字节的十六进制值。你有4个字节，其中包含十六进制值C3，A7，C3和B5，它们不映射到可打印的ASCII字符，因此Python使用\xhh表示法。

您改为使用UTF-8数据，然后对其进行解码：

>>> 'Demais Subfun\xc3\xa7\xc3\xb5es 12'.decode('utf8')
u'Demais Subfun\xe7\xf5es 12'
>>> print 'Demais Subfun\xc3\xa7\xc3\xb5es 12'.decode('utf8')
Demais Subfunções 12

C3 A7字节一起编码U+00E7 LATIN SMALL LETTER C WITH CEDILLA，而C3 B5字节编码U+00F5 LATIN SMALL LETTER O WITH TILDE。

ASCII恰好是UTF-8编解码器的一个子集，这就是为什么所有其他字母都可以在Python repr()输出中表示的原因。

如何使用反斜杠x \ x代码解码ascii字符串

1 个答案: