python的string与Unicode转换，gbk字符串编码

问题一

字串前面少了

u

。

当遇见以下情况。

返回字符串为’\u82f9\u679c’的unicode时候。

str1 = '\u82f9\u679c'        # 这里没有u，当传入参数不是unicode的时候
print str1     # 结果是 : \u82f9\u679c
print  u'\u82f9\u679c'     # 结果是 : 苹果

解决方法：加上

u

str1 = '\u82f9\u679c'
uni_result = str1.decode("unicode-escape")
print uni_result
# 结果是 : 苹果

问题二

字串前面多了

u

。

aa.text的结果如下

In[190]: aa.text
Out[190]: u'\xe4\xb8\x8a\xe6\xb5\xb7A\xe8\x82\xa1'
In[191]: print aa.text
Out[191]: 上海A股
In[192]: print '\xe4\xb8\x8a\xe6\xb5\xb7A\xe8\x82\xa1'
Out[192]: 上海A股

使用utf-8编码时候，出问题。打印结果不对

In[191]: aa.text.encode('utf-8')
Out[191]: '\xc3\xa4\xc2\xb8\xc2\x8a\xc3\xa6\xc2\xb5\xc2\xb7A\xc3\xa8\xc2\x82\xc2\xa1'
In[192]: print aa.text.encode('utf-8')
上海A股

解决方案：去掉

u

In[193]: aa.text.encode('raw_unicode_escape')
Out[193]: '\xe4\xb8\x8a\xe6\xb5\xb7A\xe8\x82\xa1'
In[194]: print aa.text.encode('raw_unicode_escape')
上海A股

或者使用

bb = eval(repr(aa.text).lstrip('u'))
print bb
上海A股

问题三

gbk的decode问题

gbk的编码有时候在是

%C2%FA99%BC%F55

这种格式，需要将之转化为python里面的

\xc2\xfa99\xbc\xf55

这种格式。

gbk的编码如下，（中文：满99减5）：

tmp_a = r'%C2%FA99%BC%F55'
tmp_a = '%C2%FA99%BC%F55'

而在python中，编码应该如下：

\xc2\xfa99\xbc\xf55

可以看出差异为，需要将

%

替换为

\x

。使用如下函数：

def transGbk2Unicode(str_v):
str_s = str_v.replace(r'%', r'\x')
res = eval(repr(str_s).replace('\\\\', '\\'))
return res.decode('gb2312')

tmp_a = r'%C2%FA99%BC%F55'
tmp_a = '%C2%FA99%BC%F55'
m = transGbk2Unicode(tmp_a)
print m