Python2.7：如何将字符串中的unicode转义符转换为实际的utf8字符

Question

我使用Python2.7，从服务器接收到一个字符串（不是unicode！）。 在这个字符串中，我找到了带有unicode转义序列的文本。例如：

<a href = "http://www.mypage.com/\u0441andmoretext">\u00b2<\a>

如何将这些\uxxxx-转换回utf-8？我找到的答案要么是处理&#，要么是需要{}，这对我来说太慢了。我需要一个通用的解决方案，任何文本包含这样的顺序。在

编辑：<\a>是一个打字错误，但我也希望能容忍这样的打字错误。只有对\u有反应

示例文本在正确的python语法中的含义如下：

^{pr2}$

所需的输出使用正确的python语法

"<a href = \"http://www.mypage.com/\xd1\x81andmoretext\">\xc2\xb2<\\a>"

Answer 1

试试看

>>> s = "<a href = \"http://www.mypage.com/\\u0441andmoretext\">\\u00b2<\\a>"
>>> s.decode("raw_unicode_escape")
u'<a href = "http://www.mypage.com/\u0441andmoretext">\xb2<\\a>'

然后你可以像往常一样编码成utf8。在

Answer 2

Python确实包含了一些针对这种情况的特殊字符串编解码器。在

在这种情况下，如果32-127范围之外没有其他字符，则可以使用“unicode_escape”编解码器安全地解码字节字符串，以便在Python中有一个正确的unicode文本对象。 （您的程序应该在其上执行所有文本操作）- 每当您再次输出该文本时，您会像往常一样将其转换为utf-8：

rawtext = r"""<a href="http://www.mypage.com/\u0441andmoretext">\u00b2<\a>"""
text = rawtext.decode("unicode_escape")
# Text operations go here
...
output_text = text.encode("utf-8")

如果32-127范围之外还有其他字节，则unicode_转义编解码器 假设它们是拉丁1编码。因此，如果您的响应混合了utf-8和这些\uxxx序列，您必须：

1. 使用utf-8解码原始字符串
2. 编码回拉丁1
3. 使用“unicode_escape”解码
4. 练习课文
5. 编码回utf-8