十六进制编码 str 转汉字的方法？！

限：py3 环境（ py2 和 3 对于编码的处理是不一样的，很多教程根本不告诉你应用于哪个版本，害得我走了几个小时弯路！）
用 cmd 运行。
-----------------------------------------

爬虫爬到了一串\xe6\xb9\x96\xe5\xb7\x9e\xe6\x96\xb0\xe5\x9f 数据，str 类型，这应该是 16 进制编码的汉字（嗯……应该是，我对编码一窍不通）
现在我想把它转成中文，方便和别的参数拼接成一串完整 URL 让 requests 访问。

在 B 乎找了个主意
https://www.zhihu.com/question/26921730

于是我把代码改成这样
data = ('\xe6\xb9\x96\xe5\xb7\x9e\xe6\x96\xb0\xe5\x9f').encode('UTF-8').decode('unicode_escape')
print (data)

cmd 里运行后变成大乱码
Ã¦Â¹ÂÃ¥Â·ÂÃ¦ÂÂ°Ã¥ÂÂÃ¥Â»Âº

我怀疑是编码不对，然而我对编码一窍不通，于是卡住了。

求怎么改才能让它输出中文？

第 1 条附言 · 2018-03-20 14:26:02 +08:00

字符串.replace('\\x','%')
替换了，让浏览器给我解码去了，勉强曲线救国。了结。

----------------------

真的很讨厌编码！！讨厌讨厌！！这么个事儿我从昨天下午研究到第二天中午。

编码

x96

xe6

xe5

19 条回复 • 2018-03-20 17:48:46 +08:00

lhx2008

2018-03-20 12:40:04 +08:00 via Android

直接 decode 不行吗

jasonyang9

2018-03-20 12:42:41 +08:00

湖州新

woha

2018-03-20 12:42:50 +08:00 via Android

@lhx2008 应该可以的吧

lastpass

2018-03-20 12:43:58 +08:00 via Android

"湖州新�" ??直接转就好

Mavious

2018-03-20 12:45:49 +08:00

@lhx2008
不行，直接 decode 会报 AttributeError: 'str' object has no attribute 'decode'
因为 str 是不能解码的。这是 py3 的特性，py2 就没这个错了。（这就是我为此浪费了几个小时的弯路）

lhx2008

2018-03-20 12:46:26 +08:00 via Android

cmd 里面乱码的话，是什么环境？

signxer

2018-03-20 12:48:42 +08:00

str(b'\xe6\xb9\x96\xe5\xb7\x9e\xe6\x96\xb0','utf-8')，三个组成一个汉字，所以你这只有 11 个少一个，我只取了 9 个

am241

2018-03-20 12:48:45 +08:00

b'\xe6\xb9\x96\xe5\xb7\x9e\xe6\x96\xb0\xe5\x9f'.decode('utf-8', errors='ignore')

Mavious

2018-03-20 13:37:48 +08:00

@am241 @signxer

你好，方法很暴力很有效。

但是我看到文档里提到，b 后面必须跟随单双引号

“ Python 对 bytes 类型的数据用带 b 前缀的单引号或双引号表示”
https://www.liaoxuefeng.com/wiki/0014316089557264a6b348958f449949df42a6d3a2e542c000/001431664106267f12e9bef7ee14cf6a8776a479bdec9b9000

实际上，\xe6\xb9\x96\xe5\xb7 ……是一串可变数据，我给它命名为 productName 方便引用。但是 b 后面一跟随变量就报错。

print (b(productName).decode('utf-8', errors='ignore'))
报
NameError: name 'b' is not defined

如文档所说，单双引号里面必须存放写死的了数据，不能写变量。
如果 b 前缀只认可单双引号的话，变量这种东西该如何解呢？

谢谢。我是萌新，不好意思。

binux

2018-03-20 13:52:06 +08:00

'\xe6\xb9\x96\xe5\xb7\x9e\xe6\x96\xb0\xe5\x9f'.encode('latin_1').decode('utf8', 'ignore')

am241

2018-03-20 13:53:14 +08:00

@Mavious b'...'表示后面是 bytes 类型的数据，b'\x00'和 bytes([0])等价

b(productName) 函数调用或者创建实例

可以这样：
# st = r'\xe6\xb9\x96\xe5\xb7\x9e\xe6\x96\xb0\xe5\x9f'
bytes([int(i, 16) if i else None for i in st.split(r'\x')][1:]).decode('utf-8', errors='ignore')
或者：
# st = r'\xe6\xb9\x96\xe5\xb7\x9e\xe6\x96\xb0\xe5\x9f'
eval("b'"+(st)+"'").decode('utf-8', errors='ignore')

SuT2i

2018-03-20 14:09:06 +08:00

想知道你爬下来是句字符串吗？不一般都是 bytes 吗

Mavious

2018-03-20 14:23:52 +08:00

@SuT2i 是，因为 type()看过类型。告诉我是 str。而且后面涉及切割什么的，别的也不好使啊。

@am241 十分感谢。不过我太菜了，看了半个小时不是很懂。
在看懂的过程中，突然想了个方法：把\x 替换成%，传递给浏览器地址栏
productName.replace('\\x','%')
让浏览器给我解码去了。然后就算勉强曲线救国了。

无论如何，十分感谢你的帮助！！！谢谢，谢谢！！

ArianX

2018-03-20 15:15:05 +08:00 via Android

bytes.fromhex(str).decode('utf-8', errors='ignore')，这样可以吧

ArianX

2018-03-20 15:16:49 +08:00 via Android

额，应该是这样，bytes.fromhex(str.replace('\x','')).decode('utf-8', errors='ignore')

conn4575

2018-03-20 15:21:56 +08:00 via Android

了解一下内置的 struct 库

ae86

2018-03-20 17:05:32 +08:00

![](src=https://i.loli.net/2018/03/20/5ab0cdf8f3f22.png)

ae86

2018-03-20 17:09:40 +08:00

>>> s=r'\xe6\xb9\x96\xe5\xb7\x9e\xe6\x96\xb0\xe5\x9f\x8e\xe5\xbb\xba'
>>> eval('b"'+s+'"').decode('utf-8')
'湖州新城建'
狐吧吧友雷吼啊，网上找的方法，我也不太会 py，不知道这样行不行。

chenstack

2018-03-20 17:48:46 +08:00

python3 的 str 类型内部存的是 unicode, str.encode 默认编码是 utf-8，'\xe6\xb9\x96'.encode()结果并不是 b'\xe6\xb9\x96'

说一下结论，个人认为比较好的方式，使用 latin-1 或 charmap 编码器编码到相同字节的 bytes：
text = '\xe6\xb9\x96\xe5\xb7\x9e\xe6\x96\xb0\xe5\x9f\x8e\xe5\xbb\xba'
print(text.encode('latin-1').decode('utf-8'))

或者手动映射：
print(bytes(map(ord, text)).decode('utf-8'))