在Python中将UTF-8转换为字符串文字

Question

我有UTF-8格式的字符串，但不确定如何将其转换为对应的字符文字。例如我有字符串：

我的字符串是： 'Entre\xc3\xa9'

范例一：

这段代码：

u'Entre\xc3\xa9'.encode('latin-1').decode('utf-8')

返回结果： u'Entre\xe9'

如果然后我继续打印此内容：

print u'Entre\xe9'

我得到结果： Entreé

这很棒，很接近我的需求。问题是，我无法将’Entre \ xc3 \
xa9’设置为变量，并且无法通过步骤传递它，因为现在这种情况发生了。有任何技巧可以使它正常工作吗？

例：

a = 'Entre\xc3\xa9'
b = 'u'+ a.encode('latin-1').decode('utf-8')
c= 'u'+ b

我希望“ c”的结果是：

Entreé

Answer 1

该u''语法 仅适用于字符串文字 ，例如，在源代码中定义值。使用语法unicode可以创建对象，但这不是创建此类对象的唯一方法。

您不能通过unicode在字节字符串u前面添加来产生值。但是，如果您str.decode()使用正确的编码进行调用，则会获得一个unicode值。反之亦然，您可以使用将对象
编码 unicode为字节字符串unicode.encode()。

请注意，在显示unicode对象时，Python再次使用Unicode字符串文字语法（so ）来 表示
它u'...'，以简化调试。您可以将表示形式粘贴回Python解释器中，并获得具有相同值的对象。

您的a值是使用字节字符串文字定义的，因此您只需要解码：

a = 'Entre\xc3\xa9'
b = a.decode('utf8')

您的第一个示例创建了Mojibake，这是一个Unicode字符串，其中包含实际上代表UTF-8字节的Latin-1代码点。这就是为什么您必须先编码为Latin-1（以撤消Mojibake），然后再从UTF-8进行解码的原因。

您可能想在Unicode
HOWTO中阅读有关Python和Unicode的内容。其他感兴趣的文章是：

• 每个软件开发人员绝对，肯定必须绝对了解Unicode和字符集（无借口！）作者：Joel Spolsky

• Ned Batchelder的实用Unicode