通过 python-ldap 处理来自 Active Directory 的 unicode 编码字符串

Question

我已经想出了这个问题，但经过一些测试后，我决定创建一个包含更具体信息的新问题：

我正在从我们的 Active Directory 中使用 python-ldap（和 Python 2.7）读取用户帐户。这确实很好用，但我遇到了特殊字符的问题。在控制台上打印时，它们看起来确实像 UTF-8 编码的字符串。目标是将它们写入 MySQL 数据库，但我并没有从一开始就将这些字符串转换为正确的 UTF-8。

示例（fullentries 是我的包含所有 AD 条目的数组）：

fullentries[23][1].decode('utf-8', 'ignore')    
print fullentries[23][1].encode('utf-8', 'ignore')
print fullentries[23][1].encode('latin1', 'ignore')
print repr(fullentries[23][1])

手动插入字符串的第二个测试如下：

testentry = "M\xc3\xbcller"
testentry.decode('utf-8', 'ignore')
print testentry.encode('utf-8', 'ignore')
print testentry.encode('latin1', 'ignore')
print repr(testentry)

第一个例子ist的输出：

M\xc3\xbcller
M\xc3\xbcller
u'M\\xc3\\xbcller'

编辑：如果我尝试用 .replace('\\\\','\\) 替换双反斜杠，输出保持不变。

第二个例子的输出：

Müller
M�ller
'M\xc3\xbcller'

有什么方法可以正确编码 AD 输出？我已经阅读了很多文档，但都指出 LDAPv3 为您提供了严格的 UTF-8 编码字符串。 Active Directory 使用 LDAPv3。

我的老问题这个话题在这里：Writing UTF-8 String to MySQL with Python

编辑：添加代表信息

Answer 1

首先，要知道 print 到 Windows 控制台通常是导致数据乱码的步骤，因此对于您的测试，您应该 print repr(s) 来查看字符串中的精确字节。

您需要了解 AD 中的数据是如何编码的。同样，print repr(s) 会让你看到数据的内容。

更新：

好的，看起来你以某种方式得到了奇怪的字符串。可能有办法让它们变得更好，但无论如何你都可以适应，尽管它并不漂亮：

u.decode('unicode_escape').encode('iso8859-1').decode('utf8')

您可能想了解是否可以以更自然的格式获取数据。