python - python unicode 获取值/获取文本

Question

假设我有一个 unicode 变量：

uni_var = u'Na teatr w pi\xc4\x85tek'

我想要一个字符串，它与 相同uni_var，只是没有“u”，所以：

str_var = 'Na teatr w pi\xc4\x85tek'

我该怎么做？我想找到类似的东西：

str_var = uni_var.text()

Answer 1

您似乎对 Unicode 进行了错误解码；这些是 UTF-8 字节掩码为 Latin-1 代码点。

您可以通过编码为将 Unicode 代码点一对一映射到字节的编解码器来恢复正确的 UTF-8 字节，例如 Latin-1：

>>> uni_var = u'Na teatr w pi\xc4\x85tek'
>>> uni_var.encode('latin1')
'Na teatr w pi\xc4\x85tek'

但小心点; 也可能是这里使用了 CP1252 编码来解码为 Unicode。这一切都取决于这个Mojibake是在哪里生产的。

您还可以使用该ftfy库来检测如何最好地修复它；它产生 Unicode 输出：

>>> import ftfy
>>> uni_var = u'Na teatr w pi\xc4\x85tek'
>>> ftfy.fix_text(uni_var)
u'Na teatr w pi\u0105tek'
>>> print ftfy.fix_text(uni_var)
Na teatr w piątek

该库将自动处理 CP1252 Mojibake。

Answer 2

您需要将字符串编码为Latin-1

>>> uni_var = u'Na teatr w pi\xc4\x85tek'
>>> uni_var.encode('Latin-1')
'Na teatr w pi\xc4\x85tek'