Python 编解码器 safe_encode 方法

Question

给定一个字节字符串，例如B = b"\x81\xc9\x00\x07I ABCD_\xe2\x86\x97_"，我希望能够将其转换为尽可能为 UTF-8 的有效可打印 UTF-8 字符串：S = "\\x81\\xc9\\x00\\x07I ABCD_↗_"。请注意，第一组十六进制字节不是有效的 UTF-8 字符，但最后 3 组确实定义了有效的 UTF-8 字符（箭头）。看起来这应该是编解码器的一部分，但我不知道如何做到这一点。

例如

>>> codecs.decode(codecs.escape_encode(B, 'utf-8')[0], 'utf-8')
'\\x81\\xc9\\x00\\x07I\\x19ABCD_\\xe2\\x86\\x97_'

将有效的 UTF-8 字符与无效字符一起转义。

Answer 1

在解码字节串时指定'backslashreplace'作为错误处理模式将用反斜杠转义序列替换不可解码的字节：

decoded = b.decode('utf-8', errors='backslashreplace')

另外，这是一个解码操作，而不是编码操作。解码是字节->字符串。编码是字符串->字节。