python - 如何将 ASCII 字符串视为 unicode 并在 python 中对其中的转义字符进行转义？

Question

例如，如果我有一个unicode字符串，我可以将其编码为ASCII字符串，如下所示：

>>> u'\u003cfoo/\u003e'.encode('ascii')
'<foo/>'

但是，我有例如这个ASCII字符串：

'\u003foo\u003e'

...我想变成与上面第一个示例相同的ASCII字符串：

'<foo/>'

Answer 1

我花了一段时间才弄清楚这一点，但这个页面有最好的答案：

>>> s = '\u003cfoo/\u003e'
>>> s.decode( 'unicode-escape' )
u'<foo/>'
>>> s.decode( 'unicode-escape' ).encode( 'ascii' )
'<foo/>'

还有一个“raw-unicode-escape”编解码器来处理指定 Unicode 字符串的另一种方式——查看链接页面的“Unicode 构造函数”部分了解更多详细信息（因为我不是那种 Unicode 知识）。

编辑：另见Python 标准编码。

Answer 2

在 Python 2.5 上，正确的编码是“unicode_escape”，而不是“unicode-escape”（注意下划线）。

我不确定较新版本的 Python 是否更改了 unicode 名称，但这里只使用下划线。

无论如何，就是这样。

Answer 3

在某些时候，当您在要解码的字符串中遇到特殊字符（如汉字或表情符号）时，您会遇到问题，即如下所示的错误：

UnicodeEncodeError: 'ascii' codec can't encode characters in position 109-123: ordinal not in range(128)

对于我的情况（推特数据处理），我解码如下，让我可以看到所有没有错误的字符

>>> s = '\u003cfoo\u003e'
>>> s.decode( 'unicode-escape' ).encode( 'utf-8' )
>>> <foo>

Answer 4

内德巴彻尔德说：

根据字符串的来源，这有点危险，但是如何：

>>> s = '\u003cfoo\u003e'
>>> eval('u"'+s.replace('"', r'\"')+'"').encode('ascii')
'<foo>'

实际上，这种方法可以像这样安全：

>>> s = '\u003cfoo\u003e'
>>> s_unescaped = eval('u"""'+s.replace('"', r'\"')+'-"""')[:-1]

注意三引号字符串和结束三引号之前的破折号。

1. 使用 3 引号字符串将确保如果用户在字符串中输入 ' \\" '（为视觉清晰而添加的空格），它不会破坏评估器；
2. 最后的破折号是一个故障保护，以防用户的字符串以 ' \" ' 结尾。在我们分配结果之前，我们用 [:-1] 分割插入的破折号

因此，只要以原始格式捕获，就无需担心用户输入的内容。

Answer 5

根据字符串的来源，这有点危险，但是如何：

>>> s = '\u003cfoo\u003e'
>>> eval('u"'+s.replace('"', r'\"')+'"').encode('ascii')
'<foo>'