Question

关于utf-8＆gt;有很多问题。 unicode转换，但我仍然没有找到我的问题的答案。

让我们有这样的字符串：

a = "Je-li pro za\\xc5\\x99azov\\xc3\\xa1n\\xc3\\xad"

Python 3.6理解这个字符串，如 Je-li pro za \ xc5 \ x99azov \ xc3 \ xa1n \ xc3 \ xad 。我需要将这个类似utf-8的字符串转换为unicode表示。最终的结果应该是 Je-liprozařazování。

使用a.decode("utf-8")我得到 AttributeError：'str'对象没有属性'decode'，因为Python意味着对象已经被解码。

如果我首先使用bytes(a, "utf-8")将其转换为字节，则反斜杠只会加倍，.decode("utf-8")会再次将其返回到我当前的a。

如何从a获取unicode字符串 Je-liprozařazování？

Answer 1

您必须编码/解码4次才能获得所需的结果：

print(
  "Je-li pro za\\xc5\\x99azov\\xc3\\xa1n\\xc3\\xad"

  # actually any encoding support printable ASCII would work, for example utf-8
  .encode('ascii')

  # unescape the string
  # source: https://stackoverflow.com/a/1885197
  .decode('unicode-escape')

  # latin-1 also works, see https://stackoverflow.com/q/7048745
  .encode('iso-8859-1')

  # finally
  .decode('utf-8')
)

Try it online!

此外，如果可以，请考虑告诉目标程序（数据源）提供不同的输出格式（例如字节数组或base64编码）。

不安全但更短的方式：

st = "Je-li pro za\\xc5\\x99azov\\xc3\\xa1n\\xc3\\xad"
print(eval("b'"+st+"'").decode('utf-8'))

Try it online!

有ast.literal_eval，但在这里可能不值得使用。

Python 3.6，utf-8到unicode转换，带双反斜杠的字符串

1 个答案: