将八位字节字符串转换为 Unicode 字符串，Python 3

Question

我正在尝试使用 Python 3 将带有八进制转义 Unicode 的字符串转换回正确的 Unicode 字符串，如下所示：

\n\n

"training\\345\\256\\214\\346\\210\\220\\345\\276\\214.txt"是读入的字符串。

\n\n

"training\xe5\xae\x8c\xe6\x88\x90\xe5\xbe\x8c.txt"是我试图获取的字符串的实际表示形式。

\n\n

然而，在略读之后，似乎我能找到的 Python 3 的建议解决方案如下：

\n\n

decoded_string = bytes(myString, "utf-8").decode("unicode_escape")

\n\n

不幸的是，当应用于我的示例时，这似乎会产生错误的 Unicode 字符串：

\n\n

\'training\xc3\x83\xc2\xa5\xc3\x82\xc2\xae\xc3\x82\\x8c\xc3\x83\xc2\xa6\xc3\x82\\x88\xc3\x82\\x90\xc3\x83\xc2\xa5\xc3\x82\xc2\xbe\xc3\x82\\x8c.txt\'

\n\n

这对于字节文字以及 Python 2 来说似乎很容易做到，但不幸的是对于 Python 3 中的字符串似乎并不那么容易。非常感谢您的帮助，谢谢！:)

\n

Answer 1

假设您的起始字符串是带有文字反斜杠的 Unicode 字符串，您首先需要一个字节字符串才能使用unicode-escape编解码器，但八进制转义符是 UTF-8，因此您需要将其再次转换为字节字符串，然后解码为 UTF -8：

\n\n

>>> s = r'training\\345\\256\\214\\346\\210\\220\\345\\276\\214.txt'\n>>> s\n'training\\\\345\\\\256\\\\214\\\\346\\\\210\\\\220\\\\345\\\\276\\\\214.txt'\n>>> s.encode('latin1')\nb'training\\\\345\\\\256\\\\214\\\\346\\\\210\\\\220\\\\345\\\\276\\\\214.txt'\n>>> s.encode('latin1').decode('unicode-escape')\n'training\xc3\xa5\xc2\xae\\x8c\xc3\xa6\\x88\\x90\xc3\xa5\xc2\xbe\\x8c.txt'\n>>> s.encode('latin1').decode('unicode-escape').encode('latin1')\nb'training\\xe5\\xae\\x8c\\xe6\\x88\\x90\\xe5\\xbe\\x8c.txt'\n>>> s.encode('latin1').decode('unicode-escape').encode('latin1').decode('utf8')\n'training\xe5\xae\x8c\xe6\x88\x90\xe5\xbe\x8c.txt'\n

\n\n

请注意，latin1编解码器将 Unicode 代码点 U+0000 到 U+00FF 直接转换为字节 00-FF。

\n