如何正确解码以十进制编写的字符串中的转义序列

Question

我有一段代码，其中包含以十进制形式编写的带有 UTF-8 转义序列的字符串，例如

my_string = "Hello5"

然后应解释为

Hello#

我不介意解析十进制值，到目前为止，我已经对整个字符串使用了类似的东西，这似乎效果最好（没有错误并且做了一些事情）：

print(codecs.escape_decode(my_string)[0].decode("utf-8"))

但是编号似乎很不对，因为我必须使用 \043 转义序列才能正确解码 hastag (#)，所有其他字符也是如此。

Answer 1

您无法明确地检测并替换字符串文字中的所有 \ooo 转义序列，因为在您的第一行代码之前，这些转义序列将不可挽回地替换为它们对应的字符值运行秒。就 Python 而言，"foo1" 和 "foo!" 是 100% 相同的，并且无法确定前一个对象是用转义序列定义的，而后者不是。

如果您对输入数据的形式有一定的灵活性，那么您仍然可以做您想做的事。例如，如果您被允许使用原始字符串而不是常规字符串，那么 r"Hello5" 将不会在运行时间之前被解释为 "Hello, followed by a hash tag"。它将被解释为 "Hello, followed by backslash, followed by 0 3 and 5"。由于仍然可以访问数字字符，因此您可以在代码中操作它们。例如，

import re

def replace_decimal_escapes(s):
    return re.sub(
        #locate all backslashes followed by three digits
        r"\(\d\d\d)",
        #fetch the digit group, interpret them as decimal integer, then get cooresponding char
        lambda x: chr(int(x.group(1), 10)), 
        s
    )

test_strings = [
    r"Hello5",
    r"foo1",
    r"The 0quick1 brown fox jumps over the 5lazy dog"
]

for s in test_strings:
    result = replace_decimal_escapes(s)
    print("input:  ", s)
    print("output: ", result)

结果：

input:   Hello5
output:  Hello#
input:   foo1
output:  foo)
input:   The 0quick1 brown fox jumps over the 5lazy dog
output:  The (quick) brown fox jumps over the #lazy dog

作为奖励，如果您通过 input() 获取输入字符串，此方法也适用，因为用户在该提示中键入的反斜杠不会被解释为转义序列。如果您执行 print(replace_decimal_escapes(input())) 并且用户键入 "Hello5"，则输出将是所需的 "Hello#"。

如何正确解码以十进制编写的字符串中的转义序列

How to decode escape sequence in string written in decimal properly

python

unicode

utf-8

unicode-escapes