python - 如何转义字符串中的unicode特殊字符并将其写入UTF编码文件

Question

我的目标是:

字符串如:

Bitte überprüfen Sie, ob die Dokumente erfolgreich in System eingereicht wurden, und löschen Sie dann die tatsächlichen Dokumente.

转换为:

'Bitte \u00FCberpr\u00FCfen Sie, ob die Dokumente erfolgreich in System eingereicht wurden, und l\u00F6schen Sie dann die tats\u00E4chlichen Dokumente.'

并以这种形式写入文件(UTF-8编码)。

Answer 1

另一种解决方案，不依赖于内置的 repr() 而是从头开始实现它:

orig = 'Bitte überprüfen Sie, ob die Dokumente erfolgreich in System eingereicht wurden, und löschen Sie dann die tatsächlichen Dokumente.'

enc = re.sub('[^ -~]', lambda m: '\\u%04X' % ord(m[0]), orig)

print(enc)

区别:

• 仅使用 \u 编码，从不使用任何其他序列，而 repr() 使用大约三分之一的字母表(例如，BEL 字符将被编码为\u0007 而不是 \a)
• 指定的大写编码(\u00FC 而不是 \u00fc)
• 不处理平面 0 之外的 unicode 字符(可以很容易地扩展，给定这些应该如何表示的规范)
• 它不处理任何预先存在的 \u 序列，而 repr() 将它们转换为 \\u；可以扩展，也许将 \ 编码为 \u005C:

  enc = re.sub(r'[^ -[\]-~]', lambda m: '\\u%04X' % ord(m[0]), orig)