Question

免责声明，我已经进行了长期的研究来单独解决这个问题，但是我在这里发现的大多数问题都与Python 2.7有关，或者不能解决我的问题

假设我有以下内容（该示例来自BeautifulSoup文档，我正试图解决更大的问题）：

>>> markup = "<h1>Sacr\xc3\xa9 bleu!</h1>"
>>> print(markup)
'SacrÃ© bleu!'

对我来说，标记应该分配给一个字节，所以我可以这样做：

>>> markup = b"<h1>Sacr\xc3\xa9 bleu!</h1>"
>>> print(str(markup, 'utf-8'))
<h1>Sacré bleu!</h1>

是的！但是如何在错误的"<h1>Sacr\xc3\xa9 bleu!</h1>"到b"<h1>Sacr\xc3\xa9 bleu!</h1>"之间进行过渡？

因为我这样做：

>>> markup = b"<h1>Sacr\xc3\xa9 bleu!</h1>"
>>> bytes(markup, "utf-8")
b'<h1>Sacr\xc3\x83\xc2\xa9 bleu!</h1>'

你看到了吗？它免费插入了\x83\xc2。

>>> print(bytes(markup))
TypeError: string argument without an encoding

Answer 1

如果您有Unicode字符串"<h1>Sacr\xc3\xa9 bleu!</h1>"，则说明出现了问题。您的输入中断了，或者在处理输入时出错了。例如，在这里，您已将Python 2示例复制到Python 3解释器中。

如果您的字符串损坏是因为您做错了什么而导致的，那么您应该真正解决您做错的任何事情。如果仍然需要将"<h1>Sacr\xc3\xa9 bleu!</h1>"转换为b"<h1>Sacr\xc3\xa9 bleu!</h1>"，请使用latin-1进行编码：

bytestring = broken_unicode.encode('latin1')