python - 如何在python中解码部分转义的unicode字符串（混合unicode和转义unicode）？

Answer 1

一个简单快速的解决方案是使用精确re.sub匹配\u四个十六进制数字，并将这些数字转换为 Unicode 代码点：

import re

s = r"blah bl\uah \u20ac € b\u20aclah\u12blah blah"
print(s)

s = re.sub(r'\\u([0-9a-fA-F]{4})',lambda m: chr(int(m.group(1),16)),s)
print(s)

输出：

blah bl\uah \u20ac € b\u20aclah\u12blah blah
blah bl\uah € € b€lah\u12blah blah

Answer 2

如果这始终是字符串的格式，请使用.split：

string = "\\u20ac €"
escaped_unicode, non_escaped_unicode = string.split()
output = '{} {}'.format(escaped_unicode.encode("utf-8").decode("unicode-escape"), non_escaped_unicode)
print(output)
# € €

如果没有，我们将需要更多的创意。我认为最通用的解决方案是仍然使用split，但然后使用正则表达式来确定我们是否需要处理转义的 unicode（假设输入足够理智，不会在同一个“单词”中混合 unicode 和转义的 unicode）

import re

string = "ac ab \\u20ac cdef €"
regex = re.compile(r'([\u0000-\u007F]+)')
output = []
for word in string.split():
    match = regex.search(word)
    if match:
        try:
            output.append(match[0].encode("utf-8").decode("unicode-escape"))
        except UnicodeDecodeError:
            # assuming the string contained a literal \\u or anything else
            # that decode("unicode-escape") could not handle, so adding to output as is
            output.append(word)
    else:
        output.append(word)
print(' '.join(output))
# ac ab € cdef €