在 python 中转换为纯文本

Question

我有一个数据框列 ("albums")，其中大多数值都以纯文本编码（例如："Album"、"Album 2" 等），但有些值有 utf-8 或其他值与纯文本相结合。例如，代替文本 "Précis" 我有 "Pr\xc3\xa9cis." 似乎还有一些 HTML 编码，例如 "\'" 代替文本中的撇号。

是否有一种简单的方法可以将所有内容转换为纯文本，而无需搜索和替换每个可能的内容utf/unicode/html？

Answer 1

对于 \xc3\xa9 你需要组合 encode() 和 decode() 与 raw_unicode_escape

print( "Pr\xc3\xa9cis.".encode('raw_unicode_escape').decode() )

---

文档：编解码器 Python Specific Encodings

---

而 ' 你需要 html.unescape

import html

print(html.unescape("'"))

---

文档：html