python unicode 获取值/获取文本答案

【问题标题】：python unicode get value / get textpython unicode 获取值/获取文本
【发布时间】：2015-02-13 10:47:18
【问题描述】：

假设我有一个 unicode 变量：

uni_var = u'Na teatr w pi\xc4\x85tek'

我想要一个字符串，和uni_var一样，只是没有“u”，所以：

str_var = 'Na teatr w pi\xc4\x85tek'

我该怎么做？我想找到类似的东西：

str_var = uni_var.text()

【问题讨论】：

为什么在 Unicode 字符串中使用 UTF-8 字节？不应该是u'Na teatr w pi\u0105tek'吗？
字节是编码文本。所以如果你有一个 unicode 字符串，你需要encode 为字节。如果你的意思是你的 Unicode 字符串中有真正是 UTF-8 字节的代码点，你可以通过编码为 Latin-1 然后再次解码为 UTF-8 来破解它。
@Martijn 好吧，如果是这样的话，我会很高兴，但是 [code]u'Na teatr w pi\xc4\x85tek'[\code] 是我从源头得到的这是我无法改变的。
我不明白我的问题在哪里不清楚。但是您的解决方案有效，谢谢帮助；）
很好的解决方案适用于我的情况，但总的来说这不是答案 - 我想没有像“get_text()”这样的方法用于 unicode？span>

标签： python unicode python-unicode mojibake

【解决方案1】：

您的 Unicode 似乎解码错误；这些是 UTF-8 字节掩码为 Latin-1 代码点。

您可以通过编码为将 Unicode 代码点一对一映射到字节的编解码器来恢复正确的 UTF-8 字节，例如 Latin-1：

>>> uni_var = u'Na teatr w pi\xc4\x85tek'
>>> uni_var.encode('latin1')
'Na teatr w pi\xc4\x85tek'

但要小心；也可能是这里使用了 CP1252 编码来解码为 Unicode。这完全取决于这个Mojibake 是在哪里产生的。

您也可以使用ftfy library 来检测如何最好地修复此问题；它产生 Unicode 输出：

>>> import ftfy
>>> uni_var = u'Na teatr w pi\xc4\x85tek'
>>> ftfy.fix_text(uni_var)
u'Na teatr w pi\u0105tek'
>>> print ftfy.fix_text(uni_var)
Na teatr w piątek

该库将自动处理 CP1252 Mojibake。

【讨论】：

【解决方案2】：

您需要将您的字符串编码为Latin-1

>>> uni_var = u'Na teatr w pi\xc4\x85tek'
>>> uni_var.encode('Latin-1')
'Na teatr w pi\xc4\x85tek'

【讨论】：