本文探讨了在Python3中处理UTF-8编码过程中遇到的问题，特别是如何将带有双斜杠转义的字符串转换回原始的中文字符。通过对比几种不同的转换方法，指出了使用`literal_eval`和`binascii`库可以有效解决这一问题。
在编译中文过程， 会使用utf-8进行转码得到byte，例如'测试！'.encode('utf8')：
b'\xe6\xb5\x8b\xe8\xaf\x95\xef\xbc\x81'
在Python3中，有时会得到String，而不是byte：
\\xe6\\xb5\\x8b\\xe8\\xaf\\x95\\xef\\xbc\\x81
如果将String重新encode再decode，并不能得到原文：
string.encode('utf8').decode('unicode_escape')
---> \\xe6\\xb5\\x8b\\xe8\\xaf\\x95\\xef\\xbc\\x81
如果直接将byte进行decode，是可以得到原文的：
b'\xe6\xb5\x8b\xe8\xaf\x95\xef\xbc\x81'.decode('utf8')
---> 测试！
因此需要将String中的双斜杠'\\'转单斜杠'\'，常见的几个方法：
1）❌直接使用replace():
string.encode().replace(b'\\',b'\')
---> 语法错误
string.encode().replace(b'\\\\',b'\\')
---> \\xe6\\xb5\\x8b\\xe8\\xaf\\x95\\xef\\xbc\\x81
2）❌使用unicode_escape：
string.encode('utf8').decode('unicode_escape')
---> æµè¯ï¼
3）✅使用literal_eval:
from ast import literal_eval
literal_eval("b'{}'".format(string)).decode('utf-8')
---> 测试！
4）✅使用binascii：
import binascii
binascii.a2b_hex(string.replace('\\x', '').encode()).decode('utf8')
---> 测试！
扫一扫
799
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
