在python中解码错误的转义字符

所以我有一个有很多名字的数据库。这些名字有不好的字符。例如，记录中的名称是

JoséFlorés

我想把它清理干净以得到JoséFlorés

我尝试了以下方法

name = "    José     Florés "
print(name.encode('iso-8859-1',errors='ignore').decode('utf8',errors='backslashreplace')

输出将姓氏发送到

“JoséFlor\\xe9s”

---

解决这个问题的最好办法是什么？名称可以有任何类型的unicode或十六进制转义序列。

我们将从一个包含非ASCII字符（即“ü”或“umlaut-u”）的示例字符串开始：

现在，如果我们引用并打印字符串，它会给出基本相同的结果：

>>> s
'Florés'
>>> print(s)
Florés

与Python2.x中的相同字符串s不同，在本例中，s已经是Unicode字符串，Python3.x中的所有字符串都自动使用Unicode。明显的区别是，在我们实例化它之后，它没有改变

您可以在这里找到相同的

是一个python库，它使用名为

fix\u text

的函数修复以不同方式损坏的unicode文本

from ftfy import fix_text

def convert_iso_name_to_string(name):
    result = []

    for word in name.split():
        result.append(fix_text(word))
    return ' '.join(result)

name = "José Florés"
assert convert_iso_name_to_string(name) == "José Florés"

---

使用

fix\u text

方法可以标准化名称，这是解决问题的另一种方法。

看起来您的on值中有两种不同的编码。我想最好的办法是把它们分成一个单词，试着用两种编码来解码（处理一个可能的异常并尝试另一个），然后把单词重新组合在一起。我考虑过了。但是，我应该如何在这样一个名称数据库中进行同样的操作，它可以有任何类型的编码。在我看来，这更像是一个搜索和替换问题，而不是编码/解码问题。您有一个用于编码的有效字符串，而不是预期的字符串。确定有问题的字符序列和良好的替换，然后使用正则表达式进行搜索和替换。但是要小心——这不是一个确切的类比，但是当那些问题序列偶尔被证明是完全有效和正确的时候，“那永远不会发生”的态度可能是危险的，因此替换是错误的。自动搜索可能更好，但手动修复。这真的是您的数据吗？在同一个字符串中看到两种不同的编码是非常罕见的。这实际上是我拥有的众多记录之一。这是如何回答这个问题的？谢谢，再见！。为许多测试用例工作

from ftfy import fix_text

def convert_iso_name_to_string(name):
    result = []

    for word in name.split():
        result.append(fix_text(word))
    return ' '.join(result)

name = "José Florés"
assert convert_iso_name_to_string(name) == "José Florés"