python - 将 utf-8 格式的字符串转换为 unicode : Python

Question

我有一个包含如下行的文本文件:

str = '0|Crazy Taxi\xe2\x84\xa2 City Rush^Truck Racing Super Gear^Candy Crush Soda Saga^Car Parking^BMX Kid^Hill Climb Racing^UNLimited Kareena Kapoor^3D Car Parking^Find My Android Phone!^Christmas Trains^Top Free Games^Telegram^Door Screen Lock^Adventure of Ted 2 - Free^Sonic Jump^'

我想删除“\xe2\x84\xa2”，我可以使用以下代码行来完成:

print unicode(str,errors="ignore")

output = '0|Crazy Taxi City Rush^Truck Racing Super Gear^Candy Crush Soda Saga^Car Parking^BMX Kid^Hill Climb Racing^UNLimited Kareena Kapoor^3D Car Parking^Find My Android Phone!^Christmas Trains^Top Free Games^Telegram^Door Screen Lock^Adventure of Ted 2 - Free^Sonic Jump^'

但是当我使用下面提到的代码对完整文件运行相同的逻辑时:

with open('train_data_dump.txt', mode='r') as document:
    for line in document:
        print unicode(line,errors='ignore')

它像以前一样打印该行。

如果我问的不够清楚，请随时提问，请帮忙。

Answer 1

当你从一个文件中分配一个变量时，就好像你分配了一个原始字符串——反斜杠被认为是一个普通的字母。您首先需要解码转义字符。

unicode(i.decode("string_escape"), errors="ignore")

Python Specific Encodings