将蟒蛇转义的 Unicode 序列转换为 UTF-8 [重复]

Question

我用的是美丽的汤。它给我一些超文本标记语言节点的文本，但是这些节点有一些Unicode字符，这些字符被转换为字符串中的转义序列。

例如，一个具有以下：50 € 的 HTML 元素由美丽的汤检索，如：汤.find（“h2”）.文本作为以下字符串：50\u20ac，这只能在 Python 控制台中读取。但是，当写入JSON文件时，它变得不可读。注意：我使用以下代码保存到 JSON 文件：

with open('file.json', 'w') as fp:
        json.dump(fileToSave, fp)

我如何将这些Unicode字符转换回UTF-8或任何使它们可读的东西？

Answer 1

请尝试以下操作：

utf8string = <unicodestring>.encode("utf-8")

Answer 2

对于 Python 2.7，我认为你可以使用编解码器和 json.dump（obj， fp， ensure_ascii= False）。例：

import codecs
import json

with codecs.open(filename, 'w', encoding='utf-8') as fp:
    # obj is a 'unicode' which contains "50 €"
    json.dump(obj, fp, ensure_ascii=False)

Answer 3

使用Python 3的小演示。如果不使用< code > assure _ ascii = False 转储到JSON，非ASCII码将被写入带有Unicode转义码的JSON。这不会影响加载JSON的能力，但是在。json文件本身。

Python 3.6.1 (v3.6.1:69c0db5, Mar 21 2017, 18:41:36) [MSC v.1900 64 bit (AMD64)] on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> from bs4 import BeautifulSoup
>>> html = '<element>50\u20ac</element'
>>> html
'<element>50€</element'
>>> soup = BeautifulSoup(html,'html')
>>> soup.find('element').text
'50€'
>>> import json
>>> with open('out.json','w',encoding='utf8') as f:
...  json.dump(soup.find('element').text,f,ensure_ascii=False)
...
>>> ^Z

输出的内容（UTF-8 编码）：

"50€"