python3中的解码字符串

Question

如何转换

str1 = 'Sabrau00AE Family Size Roasted Pine Nut Hummus - 17 oz' 

到

final_str = 'Sabra® Family Size Roasted Pine Nut Hummus - 17oz'` in python3.

我试过了：

1. str1.encode('utf-8') html.unescape
2. str1.encode('utf-8').decode('unicode_escape')
3. str1.encode('utf-8').decode('ascii')

但没有运气。

isinstance(str1,str) 的输出是True str1.encode('utf=8') 的输出是字节字符串 b'Sabrau00AE Family Size Roasted Pine Nut Hummus - 17 oz'

我也导入了charade，但是编码和解码功能出错。

AttributeError: 'str' object has no attribute 'decode'  
AttributeError: 'str' object has no attribute 'encoding'

Answer 1

感谢@Mark Tolonen 对正则表达式的帮助。在您的输出中，我在名称中也得到了“u”以及解码的符号。因此，我使用以下代码修复了边缘情况

1. 查找旁边带有 'u' 和 4 个数字/字符的子字符串。
2. 使用替换函数将此子字符串转换为 Unicode 字符串
3. 使用 Unicode 转义解码

以下代码有效：

def convert(s):
    # return re.sub(r'[0-9A-F]{4}',lambda m: chr(int(m.group(),16)), s)
    return str.encode(re.sub(r'u[0-9A-F]{4}',lambda m:(m.group().replace('u','\\u')),s),'utf-8').decode('unicode-escape')

输入：

 str1 = 'Sabrau00AE Family Size Roasted Pine Nut Hummus - 17 oz'

代码：

str2=convert(str1)
print (str2)
print(type(str2))

输出：

Sabra® Family Size Roasted Pine Nut Hummus - 17 oz
<class 'str'>

Answer 2

您的字符串没有标准编码，可能不明确。假设任何时候“连续四个十六进制数字”表示“插入 Unicode 代码点”，那么下面的工作，但注意 any u 与 4 位将转换为 Unicode 字符，例如“Plateau1000 蛋白粉”将变为“Plateaက 蛋白粉”：

import re

# 1. locate u followed by 4 hexdigits
# 2. capture digits and convert to an integer using base 16
# 3. convert integer to a Unicode char
# 4. use character as the substitution for the digits
def convert(s):
    return re.sub(r'u([0-9A-F]{4})',lambda m: chr(int(m.group(1),16)), s)

str1 = 'Sabrau00AE Family Size Roasted Pine Nut Hummus - 17 oz'
str2 = convert(str1)
print(str2)

输出：

Sabra® Family Size Roasted Pine Nut Hummus - 17 oz

Answer 3

您正在寻找\u；使用它在代码点之前，它将呈现正确的 unicode 字符。

>>> str1 = 'Sabrau\u00AE Family Size Roasted Pine Nut Hummus - 17 oz'
>>> str1
'Sabrau® Family Size Roasted Pine Nut Hummus - 17 oz'