Unicode是重新unicode

Question

我正在从Facebook上抓取信息奇怪地编译。页面源返回名称“Trentemøller”作为带有unicode字符的常规字符串：

Trentem\u00f8ller

当我尝试打印它或将其提交到列表print u'%s' % name或print unicode(name)时，它会对反斜杠进行转义。

u'Trentem\\u00f8ller'

['foo', 'bar', u'Trentem\u00f8ller']

处理这个字符串的正确方法是什么？理想情况下，它会将其保存到u''的列表中，但不会添加反斜杠。

Answer 1

如果您控制形成unicode字符串，则只使用一个反斜杠：

>>> print u'Trentem\u00f8ller'
Trentemøller

如果屏幕scaper已经形成常规字符串，则需要重新计算字符串以将backslash escape sequences转换为真正的unicode字符。内置的 eval 会很诱人，但使用ast.literal_eval会更安全：

>>> import ast
>>> s = 'Trentem\u00f8ller'                   # a regular string
>>> print ast.literal_eval('u"""' + s + '"""')
Trentemøller