Question

我有一些需要转义的转义字符串。我想用Python做到这一点。

例如，在python2.7中，我可以这样做：

>>> "\\123omething special".decode('string-escape')
'Something special'
>>>

我如何在Python3中执行此操作？这不起作用：

>>> b"\\123omething special".decode('string-escape')
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
LookupError: unknown encoding: string-escape
>>>

我的目标是成为一个像这样的字符串：

s\000u\000p\000p\000o\000r\000t\000@\000p\000s\000i\000l\000o\000c\000.\000c\000o\000m\000

然后把它变成：

"support@psiloc.com"

进行转换后，我会调查我的字符串是用UTF-8还是UTF-16编码。

Answer 1

您必须使用unicode_escape代替：

>>> b"\\123omething special".decode('unicode_escape')

如果您使用str对象启动（相当于python 2.7 unicode），则需要先编码为字节，然后使用unicode_escape解码。< / p>

如果您需要字节作为最终结果，则必须再次编码为合适的编码（.encode('latin1')，例如，如果您需要保留文字字节值;前256个Unicode代码点映射1-on -1）。

您的示例实际上是带有转义的UTF-16数据。从unicode_escape解码回latin1以保留字节，然后从utf-16-le解码（UTF 16小端没有BOM）：

>>> value = b's\\000u\\000p\\000p\\000o\\000r\\000t\\000@\\000p\\000s\\000i\\000l\\000o\\000c\\000.\\000c\\000o\\000m\\000'
>>> value.decode('unicode_escape').encode('latin1')  # convert to bytes
b's\x00u\x00p\x00p\x00o\x00r\x00t\x00@\x00p\x00s\x00i\x00l\x00o\x00c\x00.\x00c\x00o\x00m\x00'
>>> _.decode('utf-16-le') # decode from UTF-16-LE
'support@psiloc.com'

Answer 2

旧的＆＃34;字符串 - 逃脱＆＃34;编解码器将字节串映射到字节串，并且关于如何处理这种编解码器已经引起了很多争论，所以它目前还没有通过标准编码/解码接口提供。

但是，代码仍然存在于C-API中（如PyBytes_En/DecodeEscape），并且仍然通过未记录的codecs.escape_encode和codecs.escape_decode向Python公开。

>>> import codecs
>>> codecs.escape_decode(b"ab\\xff")
(b'ab\xff', 6)
>>> codecs.escape_encode(b"ab\xff")
(b'ab\\xff', 3)

这些函数返回转换后的bytes对象，加上一个数字，表示处理了多少字节...你可以忽略后者。

>>> value = b's\\000u\\000p\\000p\\000o\\000r\\000t\\000@\\000p\\000s\\000i\\000l\\000o\\000c\\000.\\000c\\000o\\000m\\000'
>>> codecs.escape_decode(value)[0]
b's\x00u\x00p\x00p\x00o\x00r\x00t\x00@\x00p\x00s\x00i\x00l\x00o\x00c\x00.\x00c\x00o\x00m\x00'

Answer 3

你不能在字节字符串上使用unicode_escape（或者更确切地说，你可以，但它并不总是返回与Python {2}上的string_escape相同的东西） - 小心！

此函数使用正则表达式和自定义替换逻辑实现string_escape。

def unescape(text):
    regex = re.compile(b'\\\\(\\\\|[0-7]{1,3}|x.[0-9a-f]?|[\'"abfnrt]|.|$)')
    def replace(m):
        b = m.group(1)
        if len(b) == 0:
            raise ValueError("Invalid character escape: '\\'.")
        i = b[0]
        if i == 120:
            v = int(b[1:], 16)
        elif 48 <= i <= 55:
            v = int(b, 8)
        elif i == 34: return b'"'
        elif i == 39: return b"'"
        elif i == 92: return b'\\'
        elif i == 97: return b'\a'
        elif i == 98: return b'\b'
        elif i == 102: return b'\f'
        elif i == 110: return b'\n'
        elif i == 114: return b'\r'
        elif i == 116: return b'\t'
        else:
            s = b.decode('ascii')
            raise UnicodeDecodeError(
                'stringescape', text, m.start(), m.end(), "Invalid escape: %r" % s
            )
        return bytes((v, ))
    result = regex.sub(replace, text)

Answer 4

py2

"\\123omething special".decode('string-escape')

py3

"\\123omething special".encode('utf-8').decode('unicode-escape')

Answer 5

如果您想 str 到 str 解码转义序列，那么输入和输出都是Unicode：

def string_escape(s, encoding='utf-8'):
    return (s.encode('latin1')         # To bytes, required by 'unicode-escape'
             .decode('unicode-escape') # Perform the actual octal-escaping decode
             .encode('latin1')         # 1:1 mapping back to bytes
             .decode(encoding))        # Decode original encoding

测试：

>>> string_escape('\\123omething special')
'Something special'

>>> string_escape(r's\000u\000p\000p\000o\000r\000t\000@'
                  r'\000p\000s\000i\000l\000o\000c\000.\000c\000o\000m\000',
                  'utf-16-le')
'support@psiloc.com'

Answer 6

至少在我看来，这是等效的：

Py2: my_input.decode('string_escape')
Py3: bytes(my_input.decode('unicode_escape'), 'latin1')

convertutils.py：

def string_escape(my_bytes):
    return bytes(my_bytes.decode('unicode_escape'), 'latin1')

我如何在Python3中使用.decode（'string-escape'）？

6 个答案: