python - 如何修复 Python 中损坏的 utf-8 编码？

Question

我的字符串是 Niệm BồTát (Thiá»n sÆ° Nhất Hạnh) 我想将它解码为 Niệm Bồ Tát ( Thiền sư Nhất Hạnh)。我在那个网站上看到可以做到这一点 http://www.enderminh.com/minh/utf8-to-unicode-converter.aspx

然后我开始尝试用 Python

mystr = '09. Bát Nhã Tâm Kinh'
mystr.decode('utf-8')

但实际上这是不正确的，因为原始字符串是 utf-8 但字符串显示不是我期望的结果。

注意:是越南字。

如何解决这种情况？那是 Windows Unicode 还是什么？如何在这里检测编码。

Answer 1

唯一帮助我解决损坏的西里尔字符串的东西 - https://github.com/LuminosoInsight/python-ftfy

这个模块几乎修复了所有问题，并且比在线解码器工作得更好。

>>> from ftfy import fix_encoding
>>> mystr = '09. Bát Nhã Tâm Kinh'
>>> fix_encoding(mystr)
'09. Bát Nhã Tâm Kinh'

可以使用pip install ftfy轻松安装