在 Python 中解码字符（YouTube 数据 API）

Posted 2023-02-24

【中文标题】在 Python 中解码字符（YouTube 数据 API）

【英文标题】：Decode character in Python (YouTube Data API)

【发布时间】：2021-03-02 01:54:33

【问题描述】：

我正在使用 YouTube 数据 API 来获取一些音乐的标题。 但是当我得到标题并打印出来时，标题看起来就像是 Unicode 字符。 例如：

#music title: Røyksopp
print(title)
#Output: R\u00f6yksopp

或者：

#music title: Nurse's
print(title)
#Output: Nurse's

为什么我会得到这个以及如何解决这个问题？

【参考方案1】：

这不是编码而是转义：

>>> import html
>>> html.unescape("Nurse's")
"Nurse's"

另外一个已经解码，无事可做：

>>> "R\u00f6yksopp"
'Röyksopp'

如果您仍然看到所有 ASCII 字符而不是重音文本，则可能是您（或您的客户端库）在某处错过了 json 反序列化步骤：

>>> json.loads('"\\u00f6"')
'ö'

【讨论】：

@stvar 是的，你是对的。这有点奇怪，因为问题显示 Røyksopp 文本将是代码点 \u00f8 （笔画）而不是 \u00f6 （分音）

这就是为什么我要求 OP 发布他的代码和他的罪魁祸首视频的 ID。

【参考方案2】：

首先，请确认您从 API 获得的不是（引用您的话）Unicode 字符。从技术上讲，这些字符序列是 HTML character references，也称为HTML entities.

您遇到的行为是 well-known issue of the API，据我所知没有其他解决方案，除了您自己必须用这些 HTML 实体替换它们所代表的实际字符。

在 Python 3 的上下文中，您可以很好地使用函数 html.unescape，它是 html 模块的一部分：

import html
print(html.unescape(title))

当title 为Nurse's 时，此代码将生成Nurse's。

---

关于您的输出R\u00f6yksopp 的问题，请发布查询API 的代码上下文，以了解您的程序未正确处理\uXXXX escape sequences 的原因。您也可以发布产生此输出的视频 ID，以便我自己检查。