Python的 - 轉換unicode和十六進制爲Unicode

我有一個所謂unicode字符串是這樣的：Python的 - 轉換unicode和十六進制爲Unicode

U'\ XC3 \ XA3 \ XC6 \ u2019 \ XC2版權所有\ xA9 \ XC3 \ XA3 \ XC6 \ u2019 \ XE2 \ u20ac \ u201c \ XC3 \ XA3 \ XC6 \ u2019 \ XC2版權所有\ xA9 \ XC3 \ XA3 \ XE2 \ u20ac \ u0161 \ XC2 \ XA4 \ XC3 \ XA3 \ XC6 \ u2019 \ XE2 \ u20ac \ u201c \ XC3 \ XAF \ XC2 \ XBC \ XC2 \ X81 \ XC3 \ XA3 \ XE2 \ u20ac \ u0161 \ XC2 \ xb9 \ XC3 \ XA3 \ XE2 \ u20ac \ u0161 \ XC2 \ XAF \ XC3 \ XA3 \ XC6 \ u2019 \ XC2 \ XBC \ XC3 \ XA3 \ XC6 \ u2019 \ XC2 \ XAB \ XC3 \ XA3 \ XE2 \ u20ac \ u0161 \ XC2 \ XA2 \ XC3 \ XA3 \ XE2 \ u20ac \ u0161 \ XC2 \ XA4 \ XC3 \ XA3 \ XC6 \ u2019 \ XE2 \ u20ac \ XB0 \ XC3 \ XA3 \ XC6 \ u2019 \ XC2 \ XAB \ XC3 \ XA3 \ XC6 \ u2019 \ XE2 \ u20ac \ XA2 \ XC3 \ XA3 \ XE2 \ u20ac \ u0161 \ XC2 \ XA7 \ XC3 \ XA3 \ XE2 \ u20ac \ u0161 \ XC2 \ xb9 \ XC3 \ XA3 \ XC6 \ u2019 \ XE2 \ u20ac \ XA0 \ XC3 \ XA3 \ XE2 \ u20ac \ u0161 \ XC2 \ XA3 \ XC3 \ XA3 \ XC6 \ u2019 \ XC2 \ X90 \ XC3 \ XA3 \ XC6 \ u2019 \ XC2 \ XAB \ XC3 \ XAF \ XC2 \命苦\ X CB \ u2020 \ XC3 \ XA3 \ XE2 \ u20ac \ u0161 \ XC2 \ xb9 \ XC3 \ XA3 \ XE2 \ u20ac \ u0161 \ XC2 \ XAF \ XC3 \ XA3 \ XC6 \ u2019 \ XE2 \ u20ac \ XA2 \ XC3 \ XA3 \ XE2 \ u20ac \ u0161 \ XC2 \ XA7 \ XC3 \ XA3 \ XE2 \ u20ac \ u0161 \ XC2 \ xb9 \ XC3 \ XAF \ XC2 \命苦\ XE2 \ u20ac \ XB0'

我如何得到正確的unicode字符串了嗎？我認爲，實際的Unicode值是ラブライブ！スクールアイドルフェスティバル（スクフェス）

來源

2017-02-07 Sri

這是一個變爲亂碼。你是如何得到這個價值的？它被錯誤地解碼。 –

你對「unicode string」的含義感到困惑。 –

更好的是，這被**兩次**。 UTF-8，解碼爲CP1252，然後再次編碼爲UTF-8，然後再次解碼爲CP1252。非常棒！ –

您有一個Mojibake，一個錯誤解碼的文本。

可以使用ftfy library對聯合國造成的破壞：

>>> from ftfy import fix_text 
>>> fix_text(s) 
u'\u30e9\u30d6\u30e9\u30a4\u30d6!\u30b9\u30af\u30fc\u30eb\u30a2\u30a4\u30c9\u30eb\u30d5\u30a7\u30b9\u30c6\u30a3\u30d0\u30eb(\u30b9\u30af\u30d5\u30a7\u30b9)' 
>>> print fix_text(s) 
ラブライブ!スクールアイドルフェスティバル(スクフェス)

據ftfy，您的數據編碼成UTF-8，然後解碼與Windows代碼頁1252;該ftfy.fixes.fix_one_step_and_explain() function顯示了修復步驟需要：

>>> ftfy.fixes.fix_one_step_and_explain(s)[-1] 
[(u'encode', u'sloppy-windows-1252', 0), (u'decode', u'utf-8', 0)]

（需要的'sloppy' encoding，因爲不是所有的UTF-8字節可以被解碼爲cp1252，但一些不良的解碼器，然後只複製原始字節;特殊的編解碼器逆轉這一進程）。

事實上，在你的情況下，這樣做是兩次，而不是一個壯舉我以前見過：

>>> print s.encode('sloppy-cp1252').decode('utf8').encode('sloppy-cp1252').decode('utf8') 
ラブライブ！スクールアイドルフェスティバル（スクフェス）

來源

2017-02-07 21:20:38

真棒，ftfy的作品。我從API獲得了這個值。我被告知在PHP中使用了以下函數。 mb_convert_encoding（$ program_name，'UTF-8'，'UTF-8'）; – Sri

@Sri：他們對此做得更多;無論如何，從UTF-8到UTF-8的重新編碼是無用的。 –

我明白了。我已將此網頁網址轉發給客戶端。我希望他/她會解決它。 – Sri

Python的 - 轉換unicode和十六進制爲Unicode

回答

相關問題