将八位字节字符串转换为 Unicode 字符串，Python 3

Question

我正在尝试使用 Python 3:

将具有八进制转义 Unicode 的字符串转换回正确的 Unicode 字符串，如下所示

"training564600564.txt"为读入字符串

"training完成後.txt" 是字符串的实际表示，我正在尝试获取它。

然而，在略读 SO 之后，似乎建议的解决方案是以下我能找到的最适合 Python 3 的解决方案：

decoded_string = bytes(myString, "utf-8").decode("unicode_escape")

不幸的是，当应用于我的示例时，它似乎产生了错误的 Unicode 字符串：

'trainingÃ¥Â®Â\x8cÃ¦Â\x88Â\x90Ã¥Â¾Â\x8c.txt'

使用字节文字和 Python 2 似乎很容易做到这一点，但不幸的是，使用 Python 3 中的字符串似乎并不容易。非常感谢帮助，谢谢！ :)

Answer 1

假设您的起始字符串是带有文字反斜杠的 Unicode 字符串，您首先需要一个字节字符串才能使用 unicode-escape 编解码器，但八进制转义符是 UTF-8，因此您需要将其转换再次转换为字节字符串，然后解码为 UTF-8:

>>> s = r'training564600564.txt'
>>> s
'training\345\256\214\346\210\220\345\276\214.txt'
>>> s.encode('latin1')
b'training\345\256\214\346\210\220\345\276\214.txt'
>>> s.encode('latin1').decode('unicode-escape')
'trainingå®\x8cæ\x88\x90å¾\x8c.txt'
>>> s.encode('latin1').decode('unicode-escape').encode('latin1')
b'training\xe5\xae\x8c\xe6\x88\x90\xe5\xbe\x8c.txt'
>>> s.encode('latin1').decode('unicode-escape').encode('latin1').decode('utf8')
'training完成後.txt'

请注意，latin1 编解码器将 Unicode 代码点 U+0000 到 U+00FF 直接转换为字节 00-FF。

将八位字节字符串转换为 Unicode 字符串，Python 3

Converting octet strings to Unicode strings, Python 3

string

python-3.x

unicode

octal