python - Python 中的 UTF-8 编码

Question

我有一个 UTF-8 字符，中间用“_”编码，例如“_ea_b4_80”。 我正在尝试使用替换方法将其转换为 UTF-8 字符，但我无法获得正确的编码。

这是一个代码示例:

import sys
reload(sys)  
sys.setdefaultencoding('utf8')

r = '_ea_b4_80'
r2 = '\xea\xb4\x80'

r = r.replace('_', '\\x')
print r
print r.encode("utf-8")
print r2

在此示例中，r 与 r2 不同；这是一个输出。

\xea\xb4\x80
\xea\xb4\x80
관  <-- correctly shown 

可能出了什么问题？

Answer 1

\x 仅在字符串文字中有意义，您不能使用 replace 来添加它。

为了得到你想要的结果，转换成字节，然后解码:

import binascii

r = '_ea_b4_80'

rhexonly = r.replace('_', '')          # Returns 'eab480'
rbytes = binascii.unhexlify(rhexonly)  # Returns b'\xea\xb4\x80'
rtext = rbytes.decode('utf-8')         # Returns '관' (unicode if Py2, str Py3)
print(rtext)

这应该让你관如你所愿。

如果您使用的是现代 Py3，则可以避免导入(假设 r 实际上是一个 str；bytes.fromhex，与 binascii.hexlify 不同，只采用 str 输入，而不是 bytes 输入)使用 bytes.fromhex 中的类方法binascii.unhexlify 的位置:

rbytes = bytes.fromhex(rhexonly)  # Returns b'\xea\xb4\x80'