在python 3中将utf-8编码的字符串转换为纯文本答案

【问题标题】：Converting utf-8 encoded string to just plain text in python 3在python 3中将utf-8编码的字符串转换为纯文本
【发布时间】：2014-11-11 12:46:22
【问题描述】：

所以我一直在关注 unicode 和 utf-8，因为我有一个脚本可以从网络上抓取图像及其标题。效果很好，除非他们的标题有特殊字符（例如 Jökulsárlón。）

它以 unicode 的形式出现：-

J\\xc3\\xb6kuls\\xc3\\xa1rl\\xc3\\xb3n

所以我想要一种方法将该字符串转换为纯文本 - 是否将它们转换为最接近的“普通”字母（如纯 o 而不是 ö）或打印那些实际符号（而不是 \xc3 等）我已经尝试了十亿种不同的方式，但我一直在阅读的很多东西在 python 3 中对我没有用。

提前致谢

【问题讨论】：

标签： python python-3.x unicode utf-8

【解决方案1】：

确实是 UTF-8，但它们是字节：

>>> b = b'J\xc3\xb6kuls\xc3\xa1rl\xc3\xb3n'
>>> b
b'J\xc3\xb6kuls\xc3\xa1rl\xc3\xb3n'
>>> b.decode('utf-8')
'Jökulsárlón'

因为这是 Python 3.x，所以这是一个 Unicode 字符串。

【讨论】：

@user3662991：它适用于字节对象，而不是字符串对象。如果您有一个字符串对象，则可能会出现问题。或者，需要设置一个编码选项以确保您获得所需的 Unicode 字符串。

【解决方案2】：

J\xc3\xb6kuls\xc3\xa1rl\xc3\xb3n 不是 unicode。不过它可能是 UTF-8。

要将它们转换为 Unicode，您必须对其进行解码。例如，s.decode('utf-8') 如果是 UTF-8。

在打印或写入之前，您必须再次对其进行编码。如果您编码为 ASCII，encode method 接受一个选项，告诉它如何处理无法在给定编码中表示的代码点。

例如：print(s.encode('ascii', errors='ignore')

errors 接受更多选项。

【讨论】：

啊，是的，我的错，让他们感到困惑。当我这样做时，它只返回：“AttributeError：'str'对象没有属性'decode'”。我有一种感觉，因为我在 python 3 上，而在 python 2 中使用过，我只是不知道等价物是什么？
啊！它没有解码，因为它是str，它已经是Unicode，继续编码。
就是这样，所以我有 s = str(在这里获取字符串)，然后是 c = s.encode('utf-8')。然后打印 (c)- 它仍然使用 \xc2\ 等打印它。:(
试试这个：print(s.encode('ascii', errors='ignore')。errors 有更多选项。
不走运。整个过程中仍然是相同的未解码 /x15 等:(。无论如何感谢您的帮助，看起来它不会合作。我必须找到解决方法

【解决方案3】：

如果您的字符串是 <class 'str'> 并且它的字面意思是 J\\xc3\\xb6kuls\\xc3\\xa1rl\\xc3\\xb3n，那么下面的最后一行将对其进行解码：

>>> s='J\\xc3\\xb6kuls\\xc3\\xa1rl\\xc3\\xb3n'
>>> type(s)
<class 'str'>
>>> s
'J\\xc3\\xb6kuls\\xc3\\xa1rl\\xc3\\xb3n'
>>> s.encode('latin1').decode('unicode_escape').encode('latin1').decode('utf8')
'Jökulsárlón'

它是如何变得如此复杂尚不清楚。如果这不是解决方案，请使用包含字符串的变量类型（例如type(s)）和上面我的示例所示的确切值来更新您的问题。

【讨论】：