解码字节和语法错误:行继续符后出现意外字符

Question

我读过以前关于这个主题的问题，但没有提到字节。我在熊猫数据帧中有如下字节字符串 (？(：u0393u03b9u03ceu03c1u03b3u03bfu03c2 u039du03c4u03b1u03bbu03acu03c1u03b1u03c2，我试图将它们转换为人类可读的输出。文本的语言是希腊语，数据是从JSON文件中读取的(json.load/load没有多大帮助，pd.read_json也没有(。

当我尝试打印这样的对象时，它会打印字节。

带有打印的示例代码：

lst = ['\u0393\u03b9\u03ce\u03c1\u03b3\u03bf\u03c2 \u039d\u03c4\u03b1\u03bb\u03ac\u03c1\u03b1\u03c2',
'\u0393\u03b9\u03ce\u03c1\u03b3\u03bf\u03c2 \u039d\u03c4\u03b1\u03bb\u03ac\u03c1\u03b1\u03c2',
'\u0393\u03b9\u03ce\u03c1\u03b3\u03bf\u03c2 \u039d\u03c4\u03b1\u03bb\u03ac\u03c1\u03b1\u03c2']
df= pd.DataFrame(lst, columns=["some_bytestrings"])
print(df["some_bytestrings"]) 
# prints: u0393u03b9u03ceu03c1u03b3u03bfu03c2 u0...
print(df['some_bytestrings'].values[0]) 
# prints: u0393u03b9u03ceu03c1u03b3u03bfu03c2 u039du03c4u03b1u03bbu03acu03c1u03b1u03c2
# eval seems to work for some previous data, don't know why
print(eval(dfsmall['some_bytestrings'].values[0])) 
# ERROR ARISES HERE
print('\u0393\u03b9\u03ce\u03c1\u03b3\u03bf\u03c2 \u039d\u03c4\u03b1\u03bb\u03ac\u03c1\u03b1\u03c2')
# prints u0393u03b9u03ceu03c1u03b3u03bfu03c2 u039du03c4u03b1u03bbu03acu03c1u03b1u03c2
print(print(dfsmall['some_bytestrings'].values[0].encode().decode()))
# decoding encoding doesn't work, it prints: u0393u03b9u03ceu03c1u03b3u03bfu03c2 u039du03c4u03b1u03bbu03acu03c1u03b1u03c2 

请注意，如果我获取打印的输出并再次打印，结果很好：

print("u0393u03b9u03ceu03c1u03b3u03bfu03c2 u039du03c4u03b1u03bbu03acu03c1u03b1u03c2")
# prints: 'Γιώργος Νταλάρας'

在我看来，这与 Python 如何处理双斜杠 (\( 有关，但我似乎无法解决这个问题，因为像string.replace("\\", "\")这样的方法没有帮助。

Answer 1

>您已经标记了"byte_strings"(bytes类型(，但从输出来看，它们实际上是包含转义序列的文本字符串(str类型(。

幸运的是，python包含一个用于解码字符串转义的编解码器，称为unicode_escape。

您可以使用codecs模块解码这些字符串 - 例如：

>>> codecs.decode('\u0393\u03b9\u03ce\u03c1\u03b3\u03bf\u03c2 \u039d\u03c4\u03b1\u03bb\u03ac\u03c1\u03b1\u03c2', 'unicode_escape')
'Γιώργος Νταλάρας'