带有“xe2x80x93”“-”字符的普通字符串答案

【问题标题】：Normal string with "xe2x80x93" "-" char带有“xe2x80x93”“-”字符的普通字符串
【发布时间】：2019-03-12 01:17:10
【问题描述】：

python3 中的字符串有问题。我的 var g 是一个普通的字符串。但其中有一个烦人的“xe2x80x93”，因为它来自一个网络解析器。我想将其转换为合适的字符 "-"。

content = str(urllib.request.urlopen(site, timeout=10).read())
g = content.split('<h1 itemprop="name"')[1].split('</span></h1>')[0].split('<span>')[1].replace("\\", "")

print(type(g)) --> string
print(g)  --> "Flash xe2x80x93 der rote Blitz"

print(g.encode('latin-1').decode('utf-8')) --> AttributeError: 'str' object has no attribute 'decode'
print(repr(g.decode('unicode-escape'))) --> AttributeError: 'str' object has no attribute 'decode'
print(g.encode('ascii','replace')) --> b'Flash xe2x80x93 der rote Blitz'
print(bytes(g, "utf-8").decode()) --> "Flash xe2x80x93 der rote Blitz"
print(bytes(g, "utf-8").decode("unicode_escape")) --> "Flash â der rote Blitz"

它是如何工作的？我没有更进一步。

【问题讨论】：

print(type(urllib.request.urlopen(site, timeout=10).read())) 说什么？
，所以我必须使用 ".decode("utf-8") "，而不是 str() ?
谢谢！我已经更新了我的答案，给你一个应该适合你的替代第一行。
卢卡斯，是的——试试吧，让我/我们知道它是怎么回事:)
是的，它有效！ @jedwards。非常感谢！

标签： python python-3.x string unicode-escapes

【解决方案1】：

decode 的想法是对的。

通过在此行中将输出包装在str(...) 中：

content = str(urllib.request.urlopen(site, timeout=10).read())

您要么将字节对象转换为字符串（这将通过 content 中的前导 b' 和尾随 ' 显而易见），或者，如果它已经被解码为 ISO-8859-1 ，什么都不做。

在任何一种情况下，都不要这样做 - 删除包装 str 调用。

现在，内容将是 bytes 对象或 str 对象。

因此，如果它是一个字符串，它就会被（错误地）解码为 ISO-8859-1。您需要将其编码回字节对象，然后正确解码：

content = urllib.request.urlopen(site, timeout=10).read()

if isinstance(content, str):
    content = content.encode('iso-8859-1')
content = content.decode('utf8')

现在，您的 \xe2\x80\x93 字节应该正确显示为：–

更新：

根据您的评论，您需要做的就是：

content = urllib.request.urlopen(site, timeout=10).read().decode('utf8')

【讨论】：