代码之家 › 专栏 › 技术社区 › TLeo

无法从导出的Instagram聊天记录中解析非ASCII字符[重复]

instagram encoding unicode json python

TLeo · 技术社区 · 1 年前

我请求从Instagram下载数据,并选择了JSON格式。然而,当我获取文件并解压缩时,每个非ASCII字符都表示为Unicode转义序列。例如。:

"sender_name": "Le\u00c3\u00b3 Tak\u00c3\u00a1cs"

正确的文本应为:“sender_name”:“Le Takcs”

我尝试用Python解析JSON文件并以某种方式纠正错误,但我得到的不是“\u00c3\u00b3”的“”。似乎,我尝试的每种方式,它总是返回单独解码的字符。emojies也发生了同样的事情,所以硬编码每个要替换的有问题的字符会有点头疼。我更喜欢一个在编程上可行的解决方案,但在这一点上,任何想法,包括第三方软件,都是可行的。

1 回复 | 直到 1 年前

Andj 1 年前

似乎每个UTF-8字节都被解释为Unicode字符,或者换句话说,UTF-8被解释为拉丁语1编码文本。

data = '"sender_name": "Le\u00c3\u00b3 Tak\u00c3\u00a1cs"'
cleaned = data.encode('latin-1').decode('utf-8')
print(cleaned)
# "sender_name": "LeÃ³ TakÃ¡cs"

即 "Le\u00c3\u00b3 Tak\u00c3\u00a1cs" 本应如此 b'"Le\xc3\xb3 Tak\xc3\xa1cs"' .

推荐文章

Google User · Django管理员在`list_display中未显示`creation_date`字段`

6 月前

user29747013 · 如何创建一个新的数据框架,其中包含原始数据框架中列的聚合列?

6 月前

ÎÎÎ½Î· ÎÎ®Î¹Î½Î¿Ï · Python lxml.html语法错误:使用lxml find时XPATH的谓词无效

6 月前

user29715306 · from_users=和chats=电视节目中的差异

6 月前

Redshoe · 当执行numpy.genfromtxt()时,python是否会读取文件的所有行?

6 月前

RASEL MAHMUD · 为什么以及如何在is_even()函数内的IF条件中递归X变量在满足0后递增?[副本]

6 月前

prayner · 更新嵌套字典包含列表中的项

7 月前

Bringo Jr · 我可以在O(n)中解决这个问题吗?

7 月前

Dave · 如何在for循环中修改列表值

7 月前

Shukurullox Komiljonov · 从记录中获得相互和解。使用SQL

7 月前