Python unicode字符串

Question

我是一名Python新手，我正在尝试制作一个脚本，如果有差异，可以在文件中写入一些字符串。问题是原始字符串中有一些字符采用\uNNNNUnicode格式，我无法将新字符串转换为相同的Unicode格式

我试图比较的原始字符串：\u00A1 ATENCI\u00D3N! \u25C4

接收到的新字符串为：¡ ATENCIÓN! ◄

这就是代码

str = u'¡ ATENCIÓN! ◄'
print(str)
str1 = str.encode('unicode_escape')
print (str1)
str2 = str1.decode()
print (str2)

结果是：

¡ ATENCIÓN! ◄
b'\\xa1 ATENCI\\xd3N! \\u25c4'
\xa1 ATENCI\xd3N! \u25c4

那么，如何将\xa1 ATENCI\xd3N! \u25c4转换为\u00A1 ATENCI\u00D3N! \u25C4，因为这是我唯一可以保存的Unicode格式

注意：字符串中的字符大小写也需要相同才能进行比较

Answer 1

问题是，根据the docs（在转义序列表之间向下读一点，\u、\U和\NUnicode转义序列只在字符串文本中被识别。这意味着，一旦在内存中（例如在变量赋值中）计算了文本：

s = "\u00A1 ATENCI\u00D3N! \u25C4"

任何试图^{}的操作都会自动将其转换为使用\x的字节对象，该对象可以：

b'\\xa1 ATENCI\\xd3N! \\u25c4'

使用

b'\\xa1 ATENCI\\xd3N! \\u25c4'.decode("unicode_escape")

将其转换回'¡ ATENCIÓN! ◄'。这使用字符的实际（预期）表示，而不是原始字符串s的\uXXXX转义序列

所以，你应该做的是而不是乱编乱解码。注意：

print("\u00A1 ATENCI\u00D3N! \u25C4" == '¡ ATENCIÓN! ◄')
True

这就是你需要做的所有比较

为了进一步阅读，您可能会对以下内容感兴趣：

• How to work with surrogate pairs in Python?
• Encodings and Unicode来自Python文档