python - 如何正确解码以十进制书写的字符串中的转义序列

Question

我有一段代码，其中包含以十进制书写的 UTF-8 转义序列的字符串，例如

my_string = "Hello\035"

这应该被解释为

Hello#

我不介意解析十进制值，到目前为止，我已经对整个字符串使用了类似的方法，这似乎效果最好(没有错误并且做了一些事情):

print(codecs.escape_decode(my_string)[0].decode("utf-8"))

但是编号似乎很不对劲，因为我必须使用\043 转义序列才能正确解码井号标记 (#)，并且对于所有其他字符都是相同的。

Answer 1

您无法明确地检测并替换字符串文字中的所有 \ooo 转义序列，因为在第一行代码运行之前，这些转义序列将不可挽回地替换为其相应的字符值。就 Python 而言，"foo\041" 和 "foo!" 100% 相同，并且无法确定前一个对象是用转义序列，而后者不是。

如果您对输入数据的形式有一定的灵活性，那么您仍然可以做您想做的事情。例如，如果允许您使用原始字符串而不是常规字符串，则在运行时之前，r"Hello\035" 不会被解释为“Hello，后跟哈希标记”。它将被解释为“Hello，后跟反斜杠，后跟 0 3 和 5”。由于数字字符仍然可以访问，因此您可以在代码中操作它们。例如，

import re

def replace_decimal_escapes(s):
    return re.sub(
        #locate all backslashes followed by three digits
        r"\\(\d\d\d)",
        #fetch the digit group, interpret them as decimal integer, then get cooresponding char
        lambda x: chr(int(x.group(1), 10)), 
        s
    )

test_strings = [
    r"Hello\035",
    r"foo\041",
    r"The \040quick\041 brown fox jumps over the \035lazy dog"
]

for s in test_strings:
    result = replace_decimal_escapes(s)
    print("input:  ", s)
    print("output: ", result)

结果:

input:   Hello\035
output:  Hello#
input:   foo\041
output:  foo)
input:   The \040quick\041 brown fox jumps over the \035lazy dog
output:  The (quick) brown fox jumps over the #lazy dog

作为一个奖励，如果您通过 input() 获取输入字符串，此方法也适用，因为用户在该提示中键入的反斜杠不会被解释为转义序列。如果您执行 print(replace_decimal_escapes(input())) 并且用户键入“Hello\035”，则输出将是所需的“Hello#”。