混合了 UTF-8 字符串和 Unicode 转义序列的字符串统一转化为 UTF-8 编码的字符串

如果你有一个包含混合了 UTF-8 字符串和 Unicode 转义序列的字符串，并希望将它们统一转化为 UTF-8 编码的字符串，你可以按以下步骤进行操作。此过程涉及区分正常的 UTF-8 字符串和那些需要解码的 Unicode 转义序列。

示例

假设你的字符串包含以下内容：

mixed_str = "这是一段文本，包含 Unicode 转义序列: \\u7d2f\\u8ba1\\u89c2\\u770b\\u65f6\\u957f 和 正常文本。"

你要将其中的 Unicode 转义序列部分解码，同时保留正常的 UTF-8 文本。

实现步骤

1. 找到所有 Unicode 转义序列并解码。
2. 保留并保持正常的 UTF-8 文本部分。

以下是完整的实现代码：

import re

def decode_mixed_string(mixed_str):
    # 匹配 Unicode 转义序列
    unicode_escape_pattern = re.compile(r'\\\\u[0-9a-fA-F]{4}')
    
    # 将所有 Unicode 转义序列替换为实际字符
    def decode_match(match):
        return match.group(0).encode().decode('unicode_escape')
    
    # 使用正则表达式查找并替换
    decoded_str = unicode_escape_pattern.sub(decode_match, mixed_str)

    return decoded_str

# 示范字符串
mixed_str = "这是一段文本，包含 Unicode 转义序列: \\u7d2f\\u8ba1\\u89c2\\u770b\\u65f6\\u957f 和 正常文本。"

# 解码混合字符串
decoded_str = decode_mixed_string(mixed_str)

# 打印解码后的字符串
print(decoded_str)
# 输出：这是一段文本，包含 Unicode 累计观看时长 和 正常文本。

这里解释一下这个实现：

1. 匹配 Unicode 转义序列：我们使用正则表达式 r'\\\\u[0-9a-fA-F]{4}' 来匹配 Unicode 转义序列。注意这里使用四个反斜杠来匹配字符串中的双反斜杠。
2. 替换匹配的 Unicode 转义序列：我们定义一个 decode_match 函数，将匹配的 Unicode 转义序列通过编码和解码的方式转换为实际字符。
3. 替换过程：使用 re.sub 替换所有匹配的 Unicode 转义序列，为匹配到的每个子字符串都调用 decode_match 函数进行处理。

通过这种方式，你可以统一转换混合字符串中的 Unicode 转义序列和正常的 UTF-8 文本。