如何使用 utf-8 解码字符串？ [关闭]

【问题标题】：How do I decode a string with utf-8? [closed]如何使用 utf-8 解码字符串？ [关闭]
【发布时间】：2020-09-16 00:13:07
【问题描述】：

我有一个已经用 utf-8 编码的字符串（例如“No\xf0\x9f\x92\x80”）。我想对其进行解码，使其变为否？？？？。但是，当我使用 .decode('utf-8) 时，它说 decode 不是 str 的函数。

字符串来自我正在用 pandas 阅读的 txt 文件。

【问题讨论】：

你在用 Python3 吗？
您可以解码 bytes 到str，以及编码 str 到bytes。如果你已经有一个字符串，你就完成了。
首先用正确的编码读取文件。默认不是 UTF-8。
我正在使用python3。该字符串正是“No\xf0\x9f\x92\x80”，所以如果我将它解码为字节，它会变成 b“No\\xf0\\x9f\\x92\\x80” 而不是 No????跨度>
我正在使用：df = pd.read_csv('gpt2_gentext_20200915_223526.txt', encoding="utf-8", delimiter = "=============== =====", index_col=False, names=['Tweet'], engine='python')

标签： python string utf-8

【解决方案1】：

如果长度为 6，那么如果您使用 encoding='utf8' 读取文件，那将不太有意义。它应该正确解码了 UTF-8 字节，但如果它真的是你所拥有的，这将解决它：

>>> s='No\xf0\x9f\x92\x80'
>>> len(s)
6
>>> s.encode('latin1').decode('utf8')
'No?'

相反，如果字符串中有文字反斜杠和数字，这将起作用：

>>> s=r'No\xf0\x9f\x92\x80'
>>> s
'No\\xf0\\x9f\\x92\\x80'
>>> len(s)
18
>>> s.encode('latin1').decode('unicode-escape').encode('latin1').decode('utf8')
'No?'

unicode-escape 将转义码转换为 Unicode 码位，但仅适用于字节字符串。 .encode('latin1') 将 Unicode 代码点 1:1 转换为其等效字节（当然，仅适用于 U+0000 到 U+00FF）。

上面的代码将str 转换为bytes，解码转义，再次转换为字节，并正确解码为UTF-8。

【讨论】：

第二个有效。非常感谢！