将基于十进制的＆amp; #code转换为unicode

Question

在python 3中，我有像

这样的JSON字符串

{
  "tag" : "مو",
  "id" : 1
}

我使用json.loads方法，但它没有转换 如何将其转换为Unicode字符串并使用它。

Answer 1

您可以使用正则表达式匹配HTML实体，并将其替换为Unicode字符：

import json
import re

raw_data = '''\
{
  "tag" : "مو",
  "id" : 1
}
'''

data = json.loads(raw_data)
data['tag'] = re.sub(r'&#(\d+);',lambda m: chr(int(m.group(1))),data['tag'])
print(data)

输出：

{'tag': 'مو', 'id': 1}

如果可能的话，更好的解决方案是正确地编写JSON，它可以是：

option1 = json.dumps(data)
option2 = json.dumps(data, ensure_ascii=False)
print(option1)
print(option2)

输出：

{"tag": "\u0645\u0648", "id": 1}
{"tag": "مو", "id": 1}