Python 将Unicode字符串转换为UTF-8，然后转换为JSON

我想用UTF-8编码一个字符串，并分别查看相应的UTF-8字节。在Python REPL中，以下内容似乎可以正常工作：

>>> unicode('©', 'utf-8').encode('utf-8')
'\xc2\xa9'

请注意，我在这里使用的是一个示例。

“\xC2\xA9”

看起来很像我想要的东西——一个由两个独立的代码点组成的字符串：U+00C2和U+00A9。（UTF-8解码时，返回原始字符串，

'\xA9'

）

然后，我希望将UTF-8编码的字符串转换为与JSON兼容的字符串。但是，以下内容似乎并不是我想要的：

>>> import json; json.dumps('\xc2\xa9')
'"\\u00a9"'

注意，它生成一个包含U+00A9（原始符号）的字符串。相反，我需要UTF-8编码的字符串，它在有效的JSON中看起来像

“\u00C2\u00A9”

TL；DR在Python中如何将

）

转换为

“\u00C2\u00A9”

？我觉得我遗漏了一些明显的东西-没有内置的方法来实现这一点吗？

如果您真的想将

“\u00c2\u00a9”

作为输出，请将

json

作为输入

>>> print json.dumps(u'\xc2\xa9')
"\u00c2\u00a9"

您可以从原始字节生成此Unicode字符串：

s = unicode('©', 'utf-8').encode('utf-8')
s2 = u''.join(unichr(ord(c)) for c in s)

---

我认为您真正想要的是

“\xc2\xa9”

作为输出，但我还不确定如何生成该输出。

注意：在测试此类内容时，这会带来额外的混乱。这种说法在许多层面上都是错误的。UTF-8是一种编码。Unicode更像是一个将数字（代码点）映射到符号的数据库。然后这些数字被UTF-8等编码使用。的确，与许多其他编码不同，UTF-8能够对任何Unicode符号进行编码/解码——但这并不意味着UTF-8是Unicode。这意味着一件事——将“Unicode”转换为“UTF-8”毫无意义。@PavelRadzivilovsky确实如此。否则，我们为什么需要UTF-8编码器/解码器呢？因为内部字符串表示可能不是UTF-8。例如，python上的UTF-16。我希望将

u'\u00A9'

作为输入（因此，与第一个示例不同），并将

'\u00c2\u00A9'

作为输出。一种较短的方法似乎是

json.dumps（unicodeString.encode（'utf8'）.decode（'latin1'））

@MathiasBynens，我认为Unicode的前256个代码点完全对应于拉丁文1，因此您的简短版本是正确的。非常聪明。是的，这是@nedbat的一个建议。它适用于所有Unicode代码点（就像您建议的解决方案一样）。例如，使用Unicode destring=u'\U0001D306'进行尝试会得到与之匹配的

“\u00f0\u009d\u008c\u0086”

。