如何使用utf-8解码字符串

Question

我有一个已经用utf-8编码的字符串(例如"No\xf0\x9f\x92\x80")。我想解码它，这样它就变成了"否"。然而，当我使用.decode('utf-8)时，它说decode不是str.的函数

这个字符串来自一个txt文件，我正在和pandas一起阅读。

Answer 1

如果长度是6，那么如果使用encoding='utf8'读取文件，则这就没有意义了。它本应该正确解码UTF-8字节，但如果它真的是你所拥有的，这将修复它：

>>> s='Noxf0x9fx92x80'
>>> len(s)
6
>>> s.encode('latin1').decode('utf8')
'No  '

相反，如果字符串中有文字反斜杠和数字，这将起作用：

>>> s=r'Noxf0x9fx92x80'
>>> s
'No\xf0\x9f\x92\x80'
>>> len(s)
18
>>> s.encode('latin1').decode('unicode-escape').encode('latin1').decode('utf8')
'No  '

unicode-escape将转义码转换为Unicode代码点，但仅适用于字节字符串。.encode('latin1')将Unicode代码点1:1翻译为等效的字节(当然，仅适用于U+0000到U+00FF)。

上面的代码将str转换为bytes，对转义进行解码，再次转换为字节，并正确解码为UTF-8。