Question

我有这样的字符串：

'https://www.jobtestprep.co.uk/media/24543/xnumber-series-big-1.png,qanchor\\u003dcenter,amode\\u003dcrop,awidth\\u003d473,aheight\\u003d352,arnd\\u003d131255524960000000.pagespeed.ic.YolXsWmhs0.png'

我需要用等效的未转义的 Unicode字符（'\\uXXXX'）替换任意的转义的unicode字符（'\uXXXX'）。我已经用Regex提取了所有必要的部分（'\\uXXXX'的{{1}}部分和'XXXX'部分），但是我找不到用{替换正确的部分的方法{1}}，因为Python会给出Unicode错误，并且需要预填充字符，例如re.sub()。使用原始字符串不起作用，因为\u{}只是转换回'\u003d'，我们最终回到了开始的地方。

有没有办法做到这一点？如果您需要代码示例，可以在这里查看：

'\u{}'

'\\u{}'是返回结果的列表。列表中的一个项目示例就是上面给出的字符串。

Answer 1

您的正则表达式从网页中提取 JSON字符串：

searched_results = re.findall(r"(?<=,\"ou\":\")[^\s]+[\w](?=\",\"ow\")", results_source)

您删除的"个字符实际上很重要。这里的\uxxxx转义语法特定于JSON（和Javascript）语法；它们与Python的使用密切相关，但又有所不同（虽然不多，但是在您具有非BMP代码点时就很重要）。

如果将引号保留在其中，则可以将它们解码为JSON

searched_results = map(json.loads, re.findall(r"(?<=,\"ou\":)\"[^\s]+[\w]\"(?=,\"ow\")", results_source))

更好的方法是使用HTML库来解析页面。使用BeautifulSoup时，您可以通过以下方式获取数据：

import json
from bs4 import BeautifulSoup

soup = BeautifulSoup(results_source, 'html.parser')
search_results = [json.loads(t.text)['ou'] for t in soup.select('.rg_meta')]

这会将每个<div class="rg_meta" ...>元素的文本内容作为JSON数据加载，并从每个结果字典中提取ou键。不需要正则表达式。

Answer 2

您可以通过这种方式完成。

>>> url = (
...    'https://www.jobtestprep.co.uk/media/24543/xnumber-series-'
...    'big-1.png,qanchor\\u003dcenter,amode\\u003dcrop,awidth\\u003d473,'
...    'aheight\\u003d352,arnd\\u003d131255524960000000.pagespeed.ic.YolXsWmhs0.png'
... )
>>> url = url.encode('utf-8').decode('unicode_escape')
>>> print(url)
https://www.jobtestprep.co.uk/media/24543/xnumber-series-big-1.png,qanchor=center,amode
=crop,awidth=473,aheight=352,arnd=131255524960000000.pagespeed.ic.YolXsWmhs0.png
>>>

如何用适当的unicode字符替换转义的unicode字符？

2 个答案: