对字符串变量中的单个八进制字符进行解码

0 人关注

一个字符串变量有时包括八进制字符，需要取消八进制。例如。 oct_var = "String\302\240with\302\240octals" ， oct_var 的值应该是 "String with octals" ，并带有非断裂空格。

Codecs 不支持八进制，我也没能用 encode() 找到一个有效的解决方案。这些字符串源自我控制之外的上游。

Python 3.9.8

编辑补充。它不一定要有规模，也不一定要有超快的速度，所以也许这个想法从 here (#6)可以工作（还没有测试）。

def decode(encoded):
    for octc in (c for c in re.findall(r'\\(\d{3})', encoded)):
        encoded = encoded.replace(r'\%s' % octc, chr(int(octc, 8)))
    return encoded.decode('utf8')


         4
         
         个评论


           
            这是否回答了你的问题？
            
             转换UTF-8的八进制表示法


           
            calisprontix
           
           ：


           
            我也有和OP一样的问题 -- "我不能写b'\320...\271'，因为我把八进制的值作为一个字符串对象动态地获取"。


           
            calisprontix
           
           ：


           
            从那里的一个链接（感谢）这看起来是一个解决方案。
            
             stackoverflow.com/questions/4020539/...
            
            ，滚动到 "添加正则表达式来解决问题"，并在下面。


           
            鉴于 "字符串源自我控制之外的上游 "的信息，请参见最新答案。


         python


         string


         variables


         octal


        
         
         
          calisprontix
         
        
        
         发布于
         
         2021-12-23


        2
        
        个回答


          已采纳


         0
         
         人赞同


          
           你忘了指出，
           
            oct_var
           
           应该以字节的形式给出。
          
          >>> oct_var = b"String\302\240with\302\240octals"
>>> oct_var.decode()
'String\xa0with\xa0octals'
>>> print(oct_var.decode())
String with octals
注意：如果你的值已经是一个字符串（超出你的控制），你可以try to convert it to bytes:
>>> oct_str = "String\302\240with\302\240octals"  # as a string
>>> oct_var = bytes([ord(c) for c in oct_str])
# often equivalent to:
>>> oct_var = oct_str.encode('Latin1')
然后按上述方法进行。
注意，如果该字符串还包含超出ASCII的字符，（例如。与Latin1，重音字符如'é'），随后的.decode()将失败，因为在UTF-8中，这些字符被表示为多字节的字符（例如：'é'.encode() == b'\xc3\xa9'，但'é'.encode('Latin1') == b'\xe9'）。如果字符串包含超出Latin1的Unicode字符（例如'你好'），你将得到一个ValueError或UnicodeEncodeError，这取决于你选择的两种转换方法）。
简而言之：不要带着昂贵的、沉重的、或者里面有人的东西飞行--这是黑客行为。至少，用try ... except (ValueError, UnicodeEncodeError, UnicodeDecodeError)包围你的代码并相应地处理这些异常。


           
            
             
              Tim Roberts
             
             ：


           
            
             
              这触及了一个重要的问题。  这些代码（
              
               \302\240
              
              ）是UTF-8对非断裂空间U+0040的表示。  如果这些八进制代码出现在Unicode字符串中，你就有问题了。  你真的需要把它作为一个字节字符串，在这种情况下，转换是很容易的，正如皮埃尔所正确表明的那样。


           
            
             
              calisprontix
             
             ：


           
            
             
              我们被困于--不会突然消失但不可靠的解决方案，以及--对Python开发者来说足够稳定的东西[1]，但可以在任何时候不经通知就消失。
              
               codecs.escape_decode
              
              可以放在一个
              
               try ... except
              
              里面，当它被调用时，会发出某种通知，但Python中不再提供。也许到那时我们会有一个替换代码。  [1] "......当它在 pickle 模块中使用时，我们不能直接删除它，而且没有理由改变它，因为它的作用非常好..."


          
           
            
             
             
              calisprontix
             
            
            
             发布于
             
             2021-12-23


          
           
            
             把你的想法和指针放在一起，并与使用的风险
             
              
               undocumented function
              
              [*]
             
             , i.e,
             
              
               codecs.escape_decode
              
             
             , this line works:
            
            
             
              value = (codecs.escape_decode(bytes(oct_var, "latin-1"))[0].decode("utf-8"))
             
            
            
             [*] "内部功能意味着：你可以在你的风险上使用它，但
             
              功能可以改变，甚至可以删除
             
             在任何Python版本中"。
            
            
             对
             
              codecs.escape_decode
             
             的解释。
            
            
             
              https://stackoverflow.com/a/37059682/5309571