Python：字节到带重音字符的字符串

Question

我 git 读取文件名“ùàèòùèòùùè.txt”作为一个简单的字节串，所以当我向 git 询问提交文件列表时，我得到以下内容字符串：

r"31303032313032313130.txt"

如何使用 Python 2 将其恢复为“ùàèòùèòùùè.txt”？

Answer 1

如果 git 格式包含文字 \ddd 序列（因此每个文件名字节最多 4 个字符），您可以使用 string_escape (Python 2) 或 unicode_escape (Python 3) 编解码器 Python 解释转义序列。

您将获得 UTF-8 数据；我的终端设置为直接解释 UTF-8：

>>> git_data = r"31303032313032313130.txt"
>>> git_data.decode('string_escape')
'\xc3\xb9\xc3\xa0\xc3\xa8\xc3\xb2\xc3\xb9\xc3\xa8\xc3\xb2\xc3\xb9\xc3\xb9\xc3\xa8.txt'
>>> print git_data.decode('string_escape')
ùàèòùèòùùè.txt

您想将其解码为 UTF-8 以获取文本：

>>> git_data.decode('string_escape').decode('utf8')
u'\xf9\xe0\xe8\xf2\xf9\xe8\xf2\xf9\xf9\xe8.txt'
>>> print git_data.decode('string_escape').decode('utf8')
ùàèòùèòùùè.txt

在 Python 3 中，unicode_escape 编解码器为您提供 (Unicode) 文本，因此需要对 Latin-1 进行额外编码以使其再次成为字节：

>>> git_data = rb"31303032313032313130.txt"
>>> git_data.decode('unicode_escape').encode('latin1').decode('utf8')
'ùàèòùèòùùè.txt'

注意 git_data 是解码前的 bytes 对象。

Python：字节到带重音字符的字符串

Python: Bytes to string with accented characters

python

unicode

encoding

python-2.x