有时我们会碰到类似下面这样的 unicode 字符串:
u'xe4xbdxa0xe5xa5xbd'
这明显不是一个正确的 unicode 字符串,可能是在哪个地方转码转错了。
我们要想得到正确的 unicode 字符串首先就必须先将这个字符串转成非 unicode 字符串, 然后再进行解码。按照普通的办法进行 encode 肯定是不行的,因为这不是一个正确的 unicode 字符串:
In [1]: u'xe4xbdxa0xe5xa5xbd'.encode('utf8')
Out[1]: 'xc3xa4xc2xbdxc2xa0xc3xa5xc2xa5xc2xbd'
In [2]: print u'xe4xbdxa0xe5xa5xbd'.encode('utf8')
盲陆聽氓楼陆
那如何才能得到我们想要的 xe4xbdxa0xe5xa5xbd 呢?
python 提供了一个特殊的编码( raw_unicode_escape )用来处理这种情况:
In [4]: u'xe4xbdxa0xe5xa5xbd'.encode('raw_unicode_escape')
Out[4]: 'xe4xbdxa0xe5xa5xbd'
In [5]: u'xe4xbdxa0xe5xa5xbd'.encode('raw_unicode_escape').decode('utf8')
Out[5]: u'u4f60u597d'
In [7]: print u'u4f60u597d'
你好
以上这篇python去掉 unicode 字符串前面的u方法就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持脚本之家。