En python2, hay string-escape
y unicode-escape
. Para UTF-8 cadena de bytes, cadena de escaparse puede escapar \ y mantener bytes que no son ASCII, como:python3 unicode-escape no funciona con bytes no-ascii?
"你好\\n".decode('string-escape')
'\xe4\xbd\xa0\xe5\xa5\xbd\n'
Sin embargo, en python3, se elimina string-escape
. Tenemos para codificar cadena en bytes y decodificar con unicode-escape
:
"This\\n".encode('utf_8').decode('unicode_escape')
'This\n'
Se trabaja con bytes ASCII. Pero bytes no-ascii también se escaparon:
"你好\\n".encode('utf_8')
b'\xe4\xbd\xa0\xe5\xa5\xbd\\n'
"你好\\n".encode('utf_8').decode('unicode_escape').encode('utf_8')
b'\xc3\xa4\xc2\xbd\xc2\xa0\xc3\xa5\xc2\xa5\xc2\xbd\n'
Todos los bytes no-ascii se escaparon, lo que conduce a errores de codificación.
¿Hay alguna solución para esto? ¿Es posible en python3 conservar todos los bytes no ascii y decodificar todos los caracteres de escape?