我有一个来 self 无法控制的来源的可能编码不正确的 json 文档，其中包含以下字符串:
d\u00c3\u00a9cor
business\u00e2\u20ac\u2122 active accounts
the \u00e2\u20ac\u0153Made in the USA\u00e2\u20ac\u009d label
由此，我了解到他们打算将 \u00c3\u00a9 变成 é，这将是 utf-8 hex C3 A9 .这是有道理的。对于其他人，我假设我们正在处理某些类型的方向引号。
我的理论是，这要么使用了一些我以前从未遇到过的编码，要么以某种方式进行了双重编码。我可以编写一些代码将他们损坏的输入转换成我能理解的东西，因为如果我引起他们的注意，他们不太可能修复系统。
有什么想法可以强制他们输入我能理解的内容吗？郑重声明，我正在使用 Python。
最佳答案
你应该试试 ftfy模块:
>>> print ftfy.ftfy(u"d\u00c3\u00a9cor")
décor
>>> print ftfy.ftfy(u"business\u00e2\u20ac\u2122 active accounts")
business' active accounts
>>> print ftfy.ftfy(u"the \u00e2\u20ac\u0153Made in the USA\u00e2\u20ac\u009d label")
the "Made in the USA" label
>>> print ftfy.ftfy(u"the \u00e2\u20ac\u0153Made in the USA\u00e2\u20ac\u009d label", uncurl_quotes=False)
the “Made in the USA” label
关于python - 在什么世界中\\u00c3\\u00a9 会变成é？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/26614323/