使用 &#x**; 的 Python 字符串编码

Question

我有一个(非 python)脚本以某种方式对字符串进行编码，并且我需要一个 python 脚本来使用相同的编码方法。

原始字符串是 Hügelkultur，原始脚本将其转换为 Hügelkultur。

现在我的 python 脚本没有进行任何类型的编码，输出文件显示 Hügelkultur。

如果我运行这个脚本:

string = "Hügelkultur"
string = string.encode()
print(string)

它输出H\xc3\xbcgelkultur。

我想如何对字符串进行编码才能得到与原始字符串匹配的字符串？

Answer 1

我不知道 stdlib 编码器可以获取该输出，但是带有 xmlcharrefreplace 的 ascii 编码将帮助您完成大部分工作:

>>> "Hügelkultur".encode("ascii", errors="xmlcharrefreplace")
b'Hügelkultur'

#xFC 类似于 #252，因为 0xfc == 252，HTML 解码器应该对这两种形式都满意。但是，如果您确实需要精确样式匹配，也许只需编写一个简单的函数来手动执行此操作:

>>> def convert(s):
...     chars = []
...     for char in s:
...         if char.isascii():
...             chars.append(char)
...         else:
...             chars.append(f"&#x{ord(c):X};")
...     return "".join(chars)
...
>>> convert("Hügelkultur")
'Hügelkultur'

为了后代的缘故，以另一种方式返回是 html unescape:

>>> import html
>>> html.unescape('Hügelkultur')
'Hügelkultur'