在 Python 中使用混合 UTF-8 编码解码响应

Question

我正在使用 aiohttp 从网站下载数据，我得到一个字节对象作为响应，但我很难解码它。 这是我得到的回应的一个例子

b'\\r\\nLocalit\xc3\xa0' # Località
b'\\u003cdiv\\u003e12/09/2019\\u003c/div\\u003e\\r\\n' # <div>12/09/2019</div>

据我了解，它具有用于文本的正常 unicode 和用于 html 标签和换行符的转义 unicode。 如果我尝试使用 "str(content, "utf-8")" 解码它，我仍然有这种格式的 html 标签

\u003cdiv \u003e12/09/2019\u003c/div\u003e\r\n

我应该为每个标签做一个手动.replace("\\u003\u0026quot;, "<")还是有更优雅的解决方案？

Answer 1

您可以使用'unicode-escape'编解码器来转换 unicode 部分，然后透明地重新编码为字节（latin-1 对此很方便，因为它提供了字节和字符之间的 1 对 1 对应关系），然后解码为 ' utf-8'：

b = b'\\u003cdiv\\u003e12/09/2019\\u003c/div\\u003e\\r\\n\\r\\nLocalit\xc3\xa0'
b.decode('unicode-escape').encode('latin1').decode('utf8')
# '<div>12/09/2019</div>\r\n\r\nLocalità'