如果遇到 '\\xe4\\xb8\\xad\\xe5\\x9b\\xbd'
这样的utf-8 escape字符串,并且不是在代码里,
而是从别的地方获取的,无法更改,就需要特殊的解码方式。
在 Python2 中,可以直接用 decode("string_escape")
解决,
但是 Python 3 中 str
类型无法 decode ,那么怎么办呢?
方法
第一种方法来自stackoverflow: https://stackoverflow.com/questions/26311277/evaluate-utf-8-literal-escape-sequences-in-a-string-in-python3。
s = r'\xe4\xb8\xad\xe5\x9b\xbd'
c = s.encode().decode('unicode-escape').encode('raw_unicode_escape').decode('utf-8')
print(c)
中国
没错,decode('unicode-escape')
之后,
字符串实际上变成了'\xe4\xb8\xad\xe5\x9b\xbd'
,就可以用常规的.encode('raw_unicode_escape').decode('utf-8')
解决。
第二种方法代码如下:
s = r'\xe4\xbd\xa0\xe5\xa5\xbd'
eval("print('"+s+"'.encode('raw_unicode_escape').decode('utf-8'))")
你好
写成函数:
def getUtf8Escape(s):
return eval("'"+s + "'.encode('raw_unicode_escape').decode('utf-8')")
print(getUtf8Escape(s))
你好
复制代码, 简单粗暴的方法,但确实有效。 顺带一提,如果是Unicode的escape字符串,或者没有\转义的utf-8,其实很简单。
Unicode明文:
a = r'\u8bf7'
b = a.encode().decode("unicode_escape")
print(b)
请
#utf-8
a = '\xe4\xbd\xa0\xe5\xa5\xbd'
b = a.encode('raw_unicode_escape').decode('utf-8')
b
'你好'