如果一个python unicode对象被错误解码了怎么办

我有一个unicode变量，比如unicodeVar。例如

u'\xea\xb1\xb8\xec\x8a\xa4\xeb\x8d\xb0\xec\x9d\xb4\xeb\xaf\xb8\xeb\x8b\x88\xec\x95\xa8\xeb\xb2\x94 3\xec\xa7\x91'。

这就是我在控制台中简单键入Unicodavar时的样子。 事实上，这就是걸스데이 미니앨범 3.집. 是 啊是韩语的。显然，此变量被错误地解码为unicode。 我从来没有在我的程序中使用Unicodavar。上面显示的是

'\xea\xb1\xb8\xec\x8a\xa4\xeb\x8d\xb0\xec\x9d\xb4 \xeb\xaf\xb8\xeb\x8b\x88\xec\x95\xa8\xeb\xb2\x94 3\xec\xa7\x91'.decode('utf-8')

如果我这样做：

unicodavar.decode（'unicode-escape'）

，结果是一个带双斜杠的字符串。 类似于

'\\xea\\xb1\\xb8\\xec\\x8a\\xa4\\xeb\\x8d\\xb0\\xec\\x9d\\xb4\\xeb\\xaf\\xb8\\xeb\\x8b\\x88\\xec\\x95\\xa8\\xeb\\xb2\\x94 3\\xec\\xa7\\x91'

---

问题是，如何从变量方式中获得正确的表示？这意味着只使用Unicodavar？

使用

latin1

编码对字符串进行编码，以获得完整的字节。然后使用正确的编码对其进行解码（本例中为utf-8）：

为什么会这样？ 程序（或库）的某些部分将utf-8编码字节视为

latin1

，使用

latin1

而不是

utf-8

对其进行解码。你最好换一下那部分

>>> utf_8_bytes = u'걸스데이미니앨범 3집'.encode('utf-8')
>>> utf_8_bytes.decode('latin1')
u'\xea\xb1\xb8\xec\x8a\xa4\xeb\x8d\xb0\xec\x9d\xb4\xeb\xaf\xb8\xeb\x8b\x88\xec\x95\xa8\xeb\xb2\x94 3\xec\xa7\x91'

---

如果该字符串开头没有

u

，请不要在开头添加

u

，只需使用utf-8编码对其进行解码即可获得unicode字符串：

>>> print '\xea\xb1\xb8\xec\x8a\xa4\xeb\x8d\xb0\xec\x9d\xb4 \xeb\xaf\xb8\xeb\x8b\x88\xec\x95\xa8\xeb\xb2\x94 3\xec\xa7\x91'.decode('utf-8')
걸스데이미니앨범 3집

---

如果OP有一个字节字符串，并且终端编码是UTF-8，OP不需要解码它。它不是一个文本字符串，它来自一个变量。对不起，您没有击中它。：）你是怎么把这个值输入变量的？理想情况下，您应该首先修复程序中获取该信息的部分，而不是在之后尝试重新编码…：）它是pyquery模块中函数的返回值。这个函数似乎没有什么问题：就像PyQuery（#title）.html（）@prehawk，

#title

从哪里来？似乎获取网页内容的库没有正确处理编码（字符集），或者网页本身缺少编码信息。@falsetru Yeah！这是一个库名pyquery。这个网页是用utf-8编码的。它可以工作！还有更多的问题，所有像u'\xea\xb1'这样的unicode都是错误解码的结果，你怎么知道它被明确编码为拉丁语1而不是其他？@prehawk，没有上下文，我不知道unicode是什么意思。如果你能读韩语，阅读会很有帮助。所以这不是一种常见的方式，对吗？。是否有任何建议，通常处理错误解码的unicodes。我不确定我是否会遇到中文或日本的其他字符集或其他东西。@prehawk，如回答中所述，使库以正确的编码解码内容。@prehawk，如果库本身无法获取编码信息，并且它接受某种

编码/charaset

参数，显式传递编码。

>>> print '\xea\xb1\xb8\xec\x8a\xa4\xeb\x8d\xb0\xec\x9d\xb4 \xeb\xaf\xb8\xeb\x8b\x88\xec\x95\xa8\xeb\xb2\x94 3\xec\xa7\x91'.decode('utf-8')
걸스데이미니앨범 3집