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

Harimbola Santatra · 如何获取JSON中包含unicode代码点的键的值?

1 年前

TLeo · 无法从导出的Instagram聊天记录中解析非ASCII字符[重复]

1 年前

stack programming · 如何将损坏的文本恢复为阿拉伯语

1 年前

FoolishMortal · 无法显示从基64字符串解码的特定图像

1 年前

xchrisbradley · 使用Zig签名对功能选择器进行编码

1 年前

dax · 运行长度编码给出错误的结果

2 年前

Eseosa Omoregie · PowerShell生成具有ASCI编码的CSV文件,原因是哈希字段而不是UTF-8

2 年前

Ben · 内存中的Python GZIP在现有文件上

2 年前

Helena · 在打开的NamedPipeClientStream上重新创建UTF-8 StreamWriter会导致服务器上出现额外的BOM字符

2 年前

GoodCat · 如何将这64行缩短4个字符?

2 年前