在 Python 中使用混合 UTF-8 編碼解碼響應

Question

我正在使用 aiohttp 從網站下載數據，我得到一個字節對象作為響應，但我很難解碼它。 這是我得到的回應的一個例子

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

據我了解，它具有用於文本的正常 unicode 和用於 html 標簽和換行符的轉義 unicode。 如果我嘗試使用 "str(content, "utf-8")" 解碼它，我仍然有這種格式的 html 標簽

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

我應該為每個標簽做一個手動.replace("\\u003\u0026quot;, "<")還是有更優雅的解決方案？

Answer 1

您可以使用'unicode-escape'編解碼器來轉換 unicode 部分，然后透明地重新編碼為字節（latin-1 對此很方便，因為它提供了字節和字符之間的 1 對 1 對應關系），然后解碼為 ' 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'