Python中的UTF-8編碼

Question

我有一個用'_'編碼的UTF-8字符，例如'_ea_b4_80'。 我正在嘗試使用replace方法將其轉換為UTF-8字符，但是我無法獲得正確的編碼。

這是一個代碼示例：

import sys
reload(sys)  
sys.setdefaultencoding('utf8')

r = '_ea_b4_80'
r2 = '\xea\xb4\x80'

r = r.replace('_', '\\x')
print r
print r.encode("utf-8")
print r2

在此示例中，r與r2不同； 這是一個輸出。

\xea\xb4\x80
\xea\xb4\x80
관  <-- correctly shown 

可能是什么問題？

Answer 1

\\x僅在字符串文字中有意義，您不能使用replace來添加它。

要獲得所需的結果，請轉換為字節，然后解碼：

import binascii

r = '_ea_b4_80'

rhexonly = r.replace('_', '')          # Returns 'eab480'
rbytes = binascii.unhexlify(rhexonly)  # Returns b'\xea\xb4\x80'
rtext = rbytes.decode('utf-8')         # Returns '관' (unicode if Py2, str Py3)
print(rtext)

這應該讓您관 。

如果您使用的是現代Py3，則可以避免使用import（假設r實際上是str ； bytes.fromhex ，與binascii.hexlify不同，只接受str輸入，而不接受bytes輸入），使用bytes.fromhex類方法代替binascii.unhexlify ：

rbytes = bytes.fromhex(rhexonly)  # Returns b'\xea\xb4\x80'