Python 3.6、utf-8转unicode、带双反斜杠的字符串

Question

关于 utf-8 > unicode 转换的问题很多，但我仍然没有找到问题的答案。

让字符串像这样：

a = "Je-li pro za\xc5\x99azov\xc3\xa1n\xc3\xad"

Python3.6像Je-li pro一样理解这个字符串za\xc5\x99azov\xc3\xa1n\xc3\xad。我需要将这个类似 utf-8 的字符串转换为 unicode 表示形式。最后的结果应该是Je-li pro zařazování.

With a.decode("utf-8") 我得到 AttributeError: 'str' object has no attribute 'decode', 因为 Python 意味着对象是已经解码。

如果我先使用 bytes(a, "utf-8") 将其转换为字节，则反斜杠仅加倍，然后 .decode("utf-8") returns 再次变为我当前的 a。

如何从这个 a?

中获取 unicode 字符串 Je-li pro zařazování

Answer 1

您必须 encode/decode 4 次才能得到想要的结果：

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: 
  .decode('unicode-escape')

  # latin-1 also works, see 
  .encode('iso-8859-1')

  # finally
  .decode('utf-8')
)

Try it online!

此外，如果可以，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）。

unsafe-but-shorter方式：

st = "Je-li pro za\xc5\x99azov\xc3\xa1n\xc3\xad"
print(eval("b'"+st+"'").decode('utf-8'))

Try it online!

有ast.literal_eval，但可能不值得在这里使用。

Python 3.6、utf-8转unicode、带双反斜杠的字符串

Python 3.6, utf-8 to unicode conversion, string with double backslashes

unicode

utf-8

python-3.x

python-unicode