在python中将GBK转换为utf8字符串

Question

我有一根绳子。

s = u"<script language=javascript>alert('\xc7\xeb\xca\xe4\xc8\xeb\xd5\xfd\xc8\xb7\xd1\xe9\xd6\xa4\xc2\xeb,\xd0\xbb\xd0\xbb!');location='index.asp';</script></script>"

如何将s转换为utf-8字符串？我试过s.decode('gbk').encode('utf-8')，但是python报告错误：UnicodeEncodeError: 'ascii' codec can't encode characters in position 35-50: ordinal not in range(128)

Answer 1

你在把苹果和桔子混合。GBK编码的字符串不是Unicode字符串，因此不应以u'...'字符串结尾。

在Python 2中，这是正确的方法。

g = '\xc7\xeb\xca\xe4\xc8\xeb\xd5\xfd\xc8\xb7\xd1\xe9\xd6\xa4\xc2\xeb,' \
    '\xd0\xbb\xd0\xbb!'.decode('gbk')
s = u"<script language=javascript>alert(" + g + 
    u");location='index.asp';</script></script>"

请注意，传递给.decode('gbk')的g的初始值设定项如何不表示为Unicode字符串，而是表示为纯字节字符串。

另见http://nedbatchelder.com/text/unipain.html

Answer 2

在python2中，尝试转换unicode字符串：

>>> s.encode('latin-1').decode('gbk')
u"<script language=javascript>alert('\u8bf7\u8f93\u5165\u6b63\u786e\u9a8c\u8bc1\u7801,\u8c22\u8c22!');location='index.asp';</script></script>"

然后你可以按照你的意愿编码到utf-8。

>>> s.encode('latin-1').decode('gbk').encode('utf-8')
"<script language=javascript>alert('\xe8\xaf\xb7\xe8\xbe\x93\xe5\x85\xa5\xe6\xad\xa3\xe7\xa1\xae\xe9\xaa\x8c\xe8\xaf\x81\xe7\xa0\x81,\xe8\xb0\xa2\xe8\xb0\xa2!');location='index.asp';</script></script>"

Answer 3

如果您可以将警报保存在单独的字符串“a”中：

a = '\xc7\xeb\xca\xe4\xc8\xeb\xd5\xfd\xc8\xb7\xd1\xe9\xd6\xa4\xc2\xeb,\xd0\xbb\xd0\xbb!'.decode("gbk")
s = u"<script language=javascript>alert('"+a+"');location='index.asp';</script></script>"
print s

然后它将打印：

<script language=javascript>alert('请输入正确验证码,谢谢!');location='index.asp';</script></script>

如果要一次性自动提取子字符串：

s = "<script language=javascript>alert('\xc7\xeb\xca\xe4\xc8\xeb\xd5\xfd\xc8\xb7\xd1\xe9\xd6\xa4\xc2\xeb,\xd0\xbb\xd0\xbb!');location='index.asp';</script></script>"
s = unicode("'".join((s.decode("gbk").split("'",2))))
print s

将打印：

 <script language=javascript>alert('请输入正确验证码,谢谢!');location='index.asp';</script></script>