utf-8 德语变音符号有两种不同的字节码表示形式

Question

在utf-8中，德文字母“\xc3\xb6”有两种形式，一种是：\nb\'\\xc3\\xb6\'，另一种是b\'o\\xcc\\x88\'

\n\n

以下代码位于 python 3.6.3 中

\n\n

In [1]: b\'\\xc3\\xb6\'.decode(\'utf-8\')\nOut[1]: \'\xc3\xb6\'\n\nIn [2]: b\'o\\xcc\\x88\'.decode(\'utf-8\')\nOut[2]: \'o\xcc\x88\'\n

\n\n

这会导致搜索带有“\xc3\xb6”的单词时出现问题。如何将第二种形式转换为第一种形式？

\n

Answer 1

通过Unicode 规范化来运行它。使用NFC作为形式。