json 即使从UTF-8解码后，Python字符串中仍有UTF-8字符？

lh80um4z 于 2022-11-19 发布在 Python

关注(0)|答案(2)|浏览(230)

我正在将部分XHTML转换为JSON对象。我最终得到了JSON形式的所有内容，但一些UTF-8字符代码被打印出来了。例如：

{
  "p": {
    "@class": "para-p",
    "#text": "I\u2019m not on Earth."
  }
}

这应该是：

{
  "p": {
    "@class": "para-p",
    "#text": "I'm not on Earth."
  }
}

这只是UTF-8代码的一个例子。我如何才能通过字符串并将UTF-8代码的每个示例替换为它所代表的字符呢？

2条答案

\u2019不是UTF-8字符，而是Unicode转义码。它是有效的JSON，通过json.load读回时将变为’（右单引号）。
如果要写入实际字符，请使用ensure_ascii=False来防止为非ASCII字符写入转义码：

with open('output.json','w',encoding='utf8') as f:
    json.dump(data, f, ensure_ascii=False, indent=2)

您没有粘贴代码，所以我不知道您是如何将XHTML转换为JSON的。我假设您在Python对象中以十六进制值字符结束。这个\u2019是一个具有16位十六进制值的单个字符。默认情况下JSON模块可以处理这个问题。例如，json.loads方法可以解决这个问题：

x = '''{
  "p": {
    "@class": "para-p",
    "#text": "I\\u2019m not on Earth."
  }
}'''

print(x)
x_json=json.loads(x)
print(x_json)

输出显示：

{
  "p": {
    "@class": "para-p",
    "#text": "I\u2019m not on Earth."
  }
}

{'p': {'@class': 'para-p', '#text': 'I’m not on Earth.'}}