Python 3 打印 utf-8 編碼字符串問題

Question

我正在從網絡服務請求一個字符串。 當我從程序中打印它時：

variable = getFromNetwork()
print(variable)

我使用python3 net.py執行它，我得到：

\xd8\xaa\xd9\x85\xd9\x84\xd9\x8a612

當我在 python3 CLI 中執行時：

>>> print("\xd8\xaa\xd9\x85\xd9\x84\xd9\x8a612")
تÙ
Ù
Ù612

當我在 python2 CLI 中執行時購買，我得到了正確的結果：

>>> print("\xd8\xaa\xd9\x85\xd9\x84\xd9\x8a612")
تملي612

如何通過 python3 在我的程序中打印它？

編輯

執行以下行后：

print(print(type(variable), repr(variable)))

得到

<class 'str'> '\\xd8\\xaa\\xd9\\x85\\xd9\\x84\\xd9\\x8a612'

我想我應該首先刪除\\x使其成為十六進制，然后對其進行解碼。 你的解決方案是什么？？

Answer 1

您需要指定編碼，以便解釋器知道如何解釋數據：

s = "\xd8\xaa\xd9\x85\xd9\x84\xd9\x8a612"
y = s.encode('raw_unicode_escape')
print (y)  # is a bytes object now!
print (y.decode('utf-8'))

出去：

b'\xd8\xaa\xd9\x85\xd9\x84\xd9\x8a612'
تملي612

Answer 2

您的變量是一個（unicode）字符串，其中包含 UTF8 編碼字節字符串的代碼。 這可能是因為它被錯誤地解碼並使用錯誤的編碼（這里可能是 Latin1）。

您可以通過首先轉換為字節字符串而不更改代碼（因此使用 Latin1 編碼）來修復它，然后您將能夠正確解碼它：

variable = getFromNetwork().encode('Latin1').decode()
print(variable)

演示：

variable = "\xd8\xaa\xd9\x85\xd9\x84\xd9\x8a612"
print(variable.encode('Latin1').decode())

تملي612

Answer 3

使用repr方法的 output 顯示該變量是轉義數據。 為了解決這個問題，變量應該先 unscaped 然后編碼為 utf-8：

unscaped_data = bytes(variable, "utf-8").decode("unicode_escape")
result = unscaped_data.encode('raw_unicode_escape').decode("utf-8")

Answer 4

在 python 3 中，我使用以下代碼進行了測試

    line='\xd8\xaa\xd9\x85\xd9\x84\xd9\x8a612'
    line = line.encode('raw_unicode_escape')
    line=line.decode("utf-8")
    print(line)

它打印

تملي612