Python3 - 将 unicode 文字字符串转换为 unicode 字符串答案

【问题标题】：Python3 - Convert unicode literals string to unicode stringPython3 - 将 unicode 文字字符串转换为 unicode 字符串
【发布时间】：2020-03-15 12:15:23
【问题描述】：

从命令行参数 (sys.argv) 我收到这样的 unicode 文字字符串：'\u041f\u0440\u0438\u0432\u0435\u0442\u0021'

例如这个脚本 uni.py:

import sys
print(sys.argv[1])

命令行：

python uni.py \u041f\u0440\u0438\u0432\u0435\u0442\u0021

输出：

\u041f\u0440\u0438\u0432\u0435\u0442\u0021

我想把它转换成unicode字符串'Привет!'

【问题讨论】：

请说明你想做什么。 '\u041f\u0440\u0438\u0432\u0435\u0442\u0021'是字符串'Привет!'.
澄清以上内容：该表示是 Python 的 only 表示，因为某些终端无法打印 Unicode。做这个简单的实验：打印出第一个字符的序数值。你会看到它是1055（十进制的0x41f），而不是92，反斜杠的值（也不是39——单引号——因为那是也不是“字符串的一部分”，即使它也被 Python 打印出来）。

标签： python-3.x unicode python-unicode unicode-literals

【解决方案1】：

您不必将其转换为 Unicode，因为它已经是 Unicode。在 Python 3.x 中，字符串默认为 Unicode。只有当您想要读取或写入字节时（例如，写入文件时），您才需要转换它们（与bytes 相互转换）。

如果你只是打印字符串，你会得到正确的结果，假设你的终端支持字符。

print('\u041f\u0440\u0438\u0432\u0435\u0442\u0021')

这将打印：

别忘了！

更新

更新您的问题后，我清楚地知道所提到的字符串并不是真正的字符串文字（或 unicode 文字），而是从命令行输入的。在这种情况下，您可以使用“unicode-escape”编码来获得您想要的结果。请注意，编码工作从 Unicode 到字节，而解码工作从字节到 Unicode。在这种情况下，您需要从 Unicode 转换为 Unicode，因此您必须添加一个使用 latin-1 编码的“虚拟”解码步骤，它将 Unicode 代码点透明地转换为字节。

以下代码将为您的示例打印正确的结果：

text = sys.argv[1].encode('latin-1').decode('unicode-escape')
print(text)

更新 2

或者，您可以使用ast.literal_eval() 从输入中解析字符串。但是，此方法需要正确的 Python 文字，包括引号。你可以做类似的事情来解决这个问题：

text = ast.literal_eval("'" + sys.argv[1] + "'")

但请注意，如果您将引号作为输入字符串的一部分，这将中断。我认为这有点像 hack，因为该方法可能不适合您使用它的目的。 unicode-escape 更简单、更健壮。但是，最佳解决方案取决于您要构建的内容。

【讨论】：