将 utf-8 字节转换为字符串 python答案

【问题标题】：convert utf-8 byte to string python将 utf-8 字节转换为字符串 python
【发布时间】：2020-07-05 19:57:00
【问题描述】：

我已经知道如果我想在 'utf-8' 中编码和解码一个字符串，我可以这样做......

string = "Kröger"

print(string.encode('utf-8'))
>> b'Kr\xc3\xb6ger'

print(b'Kr\xc3\xb6ger'.decode('utf-8')
>> Kröger

如果我有一个字符串'Kr\xc3\xb6ger'，但没有指定它是<class bytes>（缺少前缀'b'），我将如何解码？

编辑：

如果有帮助，我有一个标记化列表：['K', 'r', '\\xc3\\xb6', 'g', 'e', 'r']

【问题讨论】：

你有'Kr\xc3\xb6ger'或'Kr\\xc3\\xb6ger'吗？字符串的长度是多少？
'Kr\xc3\xb6ger', len(striing) = 7
这是mojibake，即。使用错误的编解码器从字节解码的字符串。具体来说，Latin-1 用于解码而不是 UTF-8。您可以通过反向编码/解码来撤消损坏：'Kr\xc3\xb6ger'.encode('latin1').decode('utf8')
@lenz，谢谢。我从一个德语单词语料库中提取了这个词。
在这种情况下，您可能希望在加载数据时检查您是否正确解码（例如，当 open 读取文件时明确指定 encoding='utf8'）。

【解决方案1】：

string = "Kr\xc3\xb6ger"
print(bytes(string, "raw_unicode_escape").decode("utf-8"))

给予

Kröger

【讨论】：

【解决方案2】：

首先您必须将其编码为字节，然后从 utf-8 解码：

>>> s = 'Kr\xc3\xb6ger'
>>> s.encode("raw-unicode-escape")
b'Kr\xc3\xb6ger'
>>> s.encode("raw-unicode-escape").decode('u8')
'Kröger'
>>>

【讨论】：