我正在尝试使用 Python 3 将带有八进制转义 Unicode 的字符串转换回正确的 Unicode 字符串,如下所示:
"training\345\256\214\346\210\220\345\276\214.txt"
是读入的字符串。
"training完成後.txt"
是我想要获取的字符串的实际表示形式。
然而,在略读之后,似乎我能找到的 Python 3 的建议解决方案如下:
decoded_string = bytes(myString, "utf-8").decode("unicode_escape")
不幸的是,当应用于我的示例时,这似乎会产生错误的 Unicode 字符串:
'trainingå®Â\x8cæÂ\x88Â\x90å¾Â\x8c.txt'
这对于字节文字以及 Python 2 来说似乎很容易做到,但不幸的是对于 Python 3 中的字符串似乎并不那么容易。非常感谢您的帮助,谢谢! :)
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,因此您需要再次将其转换为字节字符串,然后解码为 UTF-8:
>>> s = r'training\345\256\214\346\210\220\345\276\214.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。
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)