Question

我下载了网站的源代码。通过下载源代码并将其转换为字符串，许多字符（如单引号（'），双引号（“），斜角括号（＆lt;，＆gt;）和正斜杠（/））现在都是双重逃脱。

示例：

s = '\\u2018this \\/ that\\u2019'

网站上显示的文字，以及打印时我想要的方式是：

this / that

我的第一直觉是使用正则表达式查找2个反斜杠的所有实例，并用一个反斜杠替换它，然后使用str.encode('utf-8').decode('utf-8')将4位转义的Unicode字符转换为它们的实际字符：

import re
sample = '\\u2018this \\/ that\\u2019'
pattern = r'(\\)\\\1'
double_escapes_removed = re.sub(pattern, '', text)
final_text = text.encode('utf-8').decode('utf-8')

print(final_text)应返回this / that，但返回的字符串似乎完全不变：\u2018this \/ that\u2019。

我用re.findall(pattern, text)单独测试了模式，并成功找到了3个双反斜杠实例。除此之外，我不知道出了什么问题

Answer 1

事实证明这有点困难。问题的一个重要部分是虽然'\ u2018'是6个字符，'\ u2018'是单个字符的表示，所以你不能只用'\ u'替换'\ u'并让它工作。

这可以让你在大多数情况下无需使用正则表达式手动迭代转义：

>>> s.encode('ascii').decode('unicode-escape')
<<< '‘this \\/ that’'

Python 3确实输出一个关于'\/'是无效的unicode转义序列的警告，所以你可能想要先处理它们。

Python - 转义4位转义的unicode字符

1 个答案: