Unicode、Python3和程序员之间的又一场战斗。解码字符串

问题是将字节转换为unicode，而这些字节已经保存为字符串。以下是一个例子：

s1 = '\xd0\xb1\xd0\xb0'
s2 = b'\xd0\xb1\xd0\xb1'

print(s1)  #  Here is the problem: prints a trash (аб)
print(s2.decode('utf-8'))  #  Everything is OK, printing 'ба' (two cyrillic symbols)

但是现在如何解码s1中的数据？我不能在s1声明之前添加b'修饰符，因为s1可能来自互联网，所以我不能像声明s2那样声明s1。 我发现b'修饰符的工作原理类似于bytes（）函数，但当我试图调用它时：

s3 = bytes(s1, 'utf-8')

又是一个垃圾桶：

print(s3.decode('utf-8'))  #  аб

所以问题是：我应该如何处理s1使其成为终端输出中的“ба”

我在谷歌上搜索了很多，但我发现的并不是我需要的

这就是我需要的：

s4 = SOME_WONDERFUL_MAGIC(s1)
print(s4)  #  Prints 'ба'

非常感谢所有能帮助我的人，请原谅我英语不好

更新：Oops，问题返回。我希望第一个答案会对我有所帮助，但我发现：

s1 == '\xd0\xb1\xd0\xb0'  #  BUT
s1 != '\xd0\xb1\xd0\xb0'

我的意思是： 我使用“requests”包向Flask服务器发出POST请求。它回答我：

req = requests.post(hostName)
print(req.text)  #  b'testText'
#  BUT!
print(req.text[2:-1]  #  testText

这意味着testText的字节表示形式为字符串，如下所示：

s5 = "b'tumba'"

---

所以真正的问题是：如何从b'tumba'中提取tumba（如果tumba可能包含西里尔字母符号）？

快速而肮脏的解决方案，对我有效：

s1 = '\xd0\xb1\xd0\xb0'
s4 = bytes(s1, encoding='latin1').decode('utf-8')
print(s4)

---

s1

可能被错误地解码为某处

您可以尝试重新编码

>>> s4 = s1.encode('ISO-8859-1')
>>> s4.decode('UTF-8')
'ба'

你真正的错误是找到解码发生的地方

---

停止互换处理unicode和字节，战斗就会停止：）

unicode对象如何“来自互联网”？如果它来自互联网，它是字节。它在某处被解码为unicode，问题是在哪里？@gnibler：可能“来自互联网”的意思是“来自stdlib中的一个互联网相关模块或其他地方，它们在我背后解码了它”。当然，在这种情况下，OP必须告诉我们他使用了哪个模块，我们可以告诉他如何显式地设置编码，而不是默认为不正确的编码，这将解决问题，而不需要任何奇妙的魔法。@abarnert，这正是我所尝试的say@gnibbler：是的，你的观点很关键；我只是不确定一个新手会理解它。新手通常不会直接从

sock.read（）

处理数据，并且可能没有意识到

请求
或
ElementTree
或任何正在使用默认值或猜测的东西。对于每个询问unicode对象源的人来说，这是Flask server的响应。”“请求”包用于发出请求。但是没有更多的问题：gnibbler回答了一个问题，非常格拉茨。当然，但是如果你有“来自互联网”的数据，并且这次被错误地解码为拉丁-1，那么你编写代码对其重新编码只是为了正确地解码，当下一段数据被错误地解码为其他数据时，这一切都将失败。如果不知道它是如何被错误解码的，你就无法解决这个问题。如果你不知道你有什么（编码），那么很难猜测编码，即使你这样做了，也总是有失败的可能性。所以，我只是假设它是UTF-8。你没有抓住重点。我们可以假设实际字节是UTF-8，因为OP是这么说的。我们不能假设字节被拉丁语-1错误解码，而不是，比如说，用
sys.getdefaultencoding（）
（这会使你的代码在其他机器上中断），或者（这会使它在不同的数据中中断），等等。我为测试字符串工作，但现实生活中出现了一个新问题，这让我感到惊讶（问题更新了）.