Python文件输入字符串：如何处理转义的Unicode字符？

Question

在一个文本文件（test.txt）中，我的字符串看起来是这样的：

Gro\u00DFbritannien

读取这个字符串时，python会把反斜杠转义掉：

>>> file = open('test.txt', 'r')
>>> input = file.readline()
>>> input
'Gro\\u00DFbritannien'

我该如何将其解释为unicode呢？decode()和unicode()都无法解决这个问题。

以下代码会把Gro\u00DFbritannien写回文件，但我想要的是Großbritannien

>>> input.decode('latin-1')
u'Gro\\u00DFbritannien'
>>> out = codecs.open('out.txt', 'w', 'utf-8')
>>> out.write(input)

Answer 1

使用内置的'unicode_escape'编码：

>>> file = open('test.txt', 'r')
>>> input = file.readline()
>>> input
'Gro\\u00DFbritannien\n'
>>> input.decode('unicode_escape')
u'Gro\xdfbritannien\n'

你也可以使用 codecs.open()：

>>> import codecs
>>> file = codecs.open('test.txt', 'r', 'unicode_escape')
>>> input = file.readline()
>>> input
u'Gro\xdfbritannien\n'

标准编码的列表可以在Python文档中找到：http://docs.python.org/library/codecs.html#standard-encodings

Answer 2

你想使用 unicode_escape 编码：

>>> x = 'Gro\\u00DFbritannien'
>>> y = unicode(x, 'unicode_escape')
>>> print y
Großbritannien

可以查看 这个文档，里面有很多Python标准库中自带的编码方式。