Python中混合UTF-8编码的解码响应

Question

我正在使用 aiohttp 从网站下载数据，我得到一个字节对象作为响应，但我很难对其进行解码。 这是我得到的响应示例

b'\\r\\nLocalit\xc3\xa0' # Località
b'\\u003cdiv\\u003e12/09/2019\\u003c/div\\u003e\\r\\n' # <div>12/09/2019</div>

据我了解，它具有文本的正常 unicode 和 html 标签和换行符的转义 unicode。 如果我尝试使用 "str(content, "utf-8")" 对其进行解码，我仍然有这种格式的 html 标签

\u003cdiv \u003e12/09/2019\u003c/div\u003e\r\n

我应该为每个标签手动编写.replace("\u003", "<") 还是有更优雅的解决方案？

Answer 1

您可以使用 'unicode-escape' codec 转换 unicode 部分，然后透明地重新编码为字节（latin-1 很方便，因为它提供了字节和字符之间的一对一对应），然后解码为“utf-8”：

b = b'\\u003cdiv\\u003e12/09/2019\\u003c/div\\u003e\\r\\n\\r\\nLocalit\xc3\xa0'
b.decode('unicode-escape').encode('latin1').decode('utf8')
# '<div>12/09/2019</div>\r\n\r\nLocalità'