Desarrollo de Python
  1. Desarrollo de Python
  3. Convertir UTF-8 a cadenas literales en Python
Intereting Posts
Valor máximo para entero largo ¿Cómo borrar una imagen usando django? Python Selenium driver.execute_script WebDriverException: Mensaje: error desconocido: falta el valor de la función de llamada ‘valor’ Cómo establecer una propiedad ndb keyProperty ¿Cómo puedo crear masivamente en Django rest serializador? python / beautifulsoup para encontrar todos con texto de anclaje específico Distribuidor de apio distribuido. ¿Cómo copio una imagen remota en python? Eliminar línea a través del marcador en matplotlib legend Django: función auto llamada dentro de un modelo Django Desplazamiento y enfoque con las teclas de flecha Cómo resolver “ValueError: bash de importación relativa más allá del paquete de nivel superior” ¿Cómo puedo encontrar todas las coincidencias con una expresión regular en Python? Python: expresión generadora vs. rendimiento PyQt – cómo superponer un rectángulo en una imagen

Convertir UTF-8 a cadenas literales en Python

Tengo una cadena en formato UTF-8 pero no estoy tan seguro de cómo convertir esta cadena a su literal de carácter correspondiente. Por ejemplo tengo la cadena:

Mi cadena es: 'Entre\xc3\xa9'

Ejemplo uno:

Este código: 

 u'Entre\xc3\xa9'.encode('latin-1').decode('utf-8')

devuelve el resultado: u'Entre\xe9'

Si luego continúo imprimiendo esto: 

 print u'Entre\xe9'

Me sale el resultado: Entreé

Esto es genial y está cerca de lo que necesito. El problema es que no puedo hacer de ‘Entre \ xc3 \ xa9’ una variable y pasarla a través de los pasos ya que esto se rompe. ¿Algún consejo para que esto funcione?

Ejemplo: 

 a = 'Entre\xc3\xa9' b = 'u'+ a.encode('latin-1').decode('utf-8') c= 'u'+ b

Me gustaría que el resultado de “c” fuera: 

 Entreé

La syntax de u'' solo funciona para literales de cadena , por ejemplo, la definición de valores en el código fuente. El uso de la syntax hace que se cree un objeto unicode , pero esa no es la única forma de crear dicho objeto.

No puede crear un valor unicode partir de una cadena de bytes agregando u delante de ella. Pero si llamó a str.decode() con la encoding correcta, obtendrá un valor unicode . A la inversa, puede codificar objetos unicode a cadenas de bytes con unicode.encode() .

Tenga en cuenta que al mostrar un objeto unicode , Python lo representa utilizando la syntax literal de la cadena Unicode nuevamente (por lo que u'...' ), para facilitar la depuración. Puede volver a pegar la representación en un intérprete de Python y obtener un objeto con el mismo valor.

Su valor a se define utilizando un literal de cadena de bytes, por lo que solo necesita descodificar: 

 a = 'Entre\xc3\xa9' b = a.decode('utf8')

Su primer ejemplo creó un Mojibake , una cadena Unicode que contiene puntos de código Latin-1 que en realidad representan UTF-8 bytes. Esta es la razón por la que primero tuvo que codificar a Latin-1 (para deshacer el Mojibake), luego decodificar desde UTF-8.

Es posible que desee leer sobre Python y Unicode en el CÓMO de Unicode . Otros artículos de interés son:

  • El Absoluto Mínimo que todos los desarrolladores de software absolutamente, positivamente deben saber sobre Unicode y conjuntos de caracteres (¡sin excusas!) Por Joel Spolsky

  • Unicode pragmático de Ned Batchelder