问题："abc\\xe2\\x86\\x92"是一个str，其中混入了一些被错误转义的字符，需要解码得到"abc→"，其中，b'\xe2\x86\x92'.decode()会得到→。
TL;DR
|
1 2 3 |
In [27]: "abc\\xe2\\x86\\x92".encode().decode('unicode-escape ...: ').encode('latin1').decode('utf-8') Out[27]: 'abc→' |
解释
"abc\\xe2\\x86\\x92"是一个str，其中\\是一个字符，前面一个反斜杠将后面一个转义了。所以这一共是15个字符。而我想要的事后面12个字符其实是表示一个utf-8编码的unicode字符。
Python提供了unicode-escape编码/解码器。可以编码/解码字面意思的unicode。编码的时候将\xe2四个字节，转换成一个字节。解码的时候，将3个字节表示的一个unicode字符，先展开unicode的表示形式，例如\u4f60，然后包括\，一个字符占一个字节，一共6个字节。
Encoding suitable as the contents of a Unicode literal in ASCII-encoded Python source code, except that quotes are not escaped. Decodes from Latin-1 source code. Beware that Python source code actually uses UTF-8 by default.
unicode-escape实际上做了两件事：
- escape。
encode的时候，将一个unicode字符转换成多个字符，字面形式表示。decode的时候，将多个字符转成一个unicode字节。 - 正常encode/decode做的事情，提供
str和bytes之间的转换，但是只使用latin-1编码。
|
1 2 3 4 5 |
In [29]: "你好".encode("unicode-escape") Out[29]: b'\\u4f60\\u597d' In [30]: '\\u4f60\\u597d'.encode().decode("unicode-escape") Out[30]: '你好' |
"abc\\xe2\\x86\\x92"中后半部分是bytes，所以应该先转换成bytes的正确格式。
|
1 2 3 4 5 6 7 |
In [39]: b = "abc\\xe2\\x86\\x92".encode() In [40]: len(b) Out[40]: 15 In [41]: b Out[41]: b'abc\\xe2\\x86\\x92' |
现在是15个字符，后面12个应该是一个字符，按照unicode解释。
|
1 2 |
In [42]: b.decode('unicode-escape') Out[42]: 'abcâ\x86\x92' |
根据上面提到的，现在decode变成了latin-1编码的str，但实际上这是utf-8编码的，所以应该用latin-1解码然后重新用utf-8编码。
|
1 2 |
In [43]: _.encode('latin-1').decode('utf-8') Out[43]: 'abc→' |
参考：