关于 utf-8 > unicode 转换有很多问题,但我仍然没有找到我的问题的答案。
让我们有这样的字符串:
a = "Je-li pro za\\xc5\\x99azov\\xc3\\xa1n\\xc3\\xad"
Python 3.6 像 Je-li pro za\xc5\x99azov\xc3\xa1n\xc3\xad 一样理解此字符串。我需要将这个类似 utf-8 的字符串转换为 unicode 表示形式。最终结果应该是Je-li pro zařazování。
使用 a.decode("utf-8")
我得到 AttributeError: 'str' object has no attribute 'decode',因为 Python 意味着该对象已经已解码。
如果我首先使用 bytes(a, "utf-8")
将其转换为字节,反斜杠只会加倍,.decode("utf-8")
再次将其返回到我当前的 a
。
如何从此a
获取unicode字符串Je-li pro zařazování?
最佳答案
您必须编码/解码 4 次才能获得所需的结果:
print(
"Je-li pro za\\xc5\\x99azov\\xc3\\xa1n\\xc3\\xad"
# actually any encoding support printable ASCII would work, for example utf-8
.encode('ascii')
# unescape the string
# source: https://stackoverflow.com/a/1885197
.decode('unicode-escape')
# latin-1 also works, see https://stackoverflow.com/q/7048745
.encode('iso-8859-1')
# finally
.decode('utf-8')
)
此外,如果可以的话,请考虑告诉您的目标程序(数据源)提供不同的输出格式(例如字节数组或 Base64 编码)。
不安全但更短的方法:
st = "Je-li pro za\\xc5\\x99azov\\xc3\\xa1n\\xc3\\xad"
print(eval("b'"+st+"'").decode('utf-8'))
有 ast.literal_eval
,但可能不值得在这里使用。
关于Python 3.6,utf-8到unicode转换,带有双反斜杠的字符串,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/49756071/