python3解码utf-8明文

Posted 2021-03-05 liuzhongbin888

如果遇到 ‘\xe4\xb8\xad\xe5\x9b\xbd‘ 这样的utf-8明文字符串，并且不是在代码里，而是从别的地方获取的，无法更改，就需要特殊的解码方式

在python2中，可以直接用decode("string_escape")解决，但是python3中str类型无法decode，那么怎么办呢？

有两种方法，第一种来自stackoverflow

https://stackoverflow.com/questions/26311277/evaluate-utf-8-literal-escape-sequences-in-a-string-in-python3

s = r‘xe4xb8xadxe5x9bxbd‘

c = s.encode().decode(‘unicode-escape‘).encode(‘raw_unicode_escape‘).decode(‘utf-8‘)

print(c)

没错，decode(‘unicode-escape‘)之后，字符串实际上变成了‘xe4xb8xadxe5x9bxbd‘，然后就可以用常规的.encode(‘raw_unicode_escape‘).decode(‘utf-8‘)解决

 

第二种方法来自知乎

python3的编码有哪些坑？ - 哈哈哈的回答 - 知乎 https://www.zhihu.com/question/60231684/answer/1076033667

s = r‘xe4xbdxa0xe5xa5xbd‘
eval("print(‘"+s+"‘.encode(‘raw_unicode_escape‘).decode(‘utf-8‘))")

#写成函数
def getUtf8Escape(s):
    d = []
    eval("d.append(‘" + s + "‘.encode(‘raw_unicode_escape‘).decode(‘utf-8‘))")
    return d[0]

print(getUtf8Escape(s))

简单粗暴的方法，但确实有效

 

 

顺带一提，如果是Unicode的明文，或者没有\转义的utf-8，其实很简单

#Unicode明文
a = r‘u8bf7‘

b = a.encode().decode("unicode_escape")

print(b)

#utf-8
a = ‘xe4xbdxa0xe5xa5xbd‘

b = a.encode(‘raw_unicode_escape‘).decode(‘utf-8‘)

print(b)