Python2 之汉字编码为unicode问题（即类似\xc3\xa4）

Python2中编码相关的问题很是让人蛋疼，特别是中文字符。

比如本文所述的中文网页GBK编码的诡异问题。

现象

例如：

盲录職氓聭聵

，其实网页里面正常的应该是

会员

分析

接着上面的例子，

会员

这部分乱码通过

repr()

函数求值得到如下结果

\xc3\xa4\xc2\xbc\xc2\x9a\xc3\xa5\xc2\x91\xc2\x98

使用

type()

函数求值得到的结果为

unicode

eval(repr())

出来值为

盲录職氓聭聵

通过查表上述6个汉字对应

c3a4 c2bc c29a c3a5 c291 c298

而上面内容对应的UTF-8值就是

会员

解决方法

相当诡异的是本身是unicode编码，却被当作GBK系列来解码，结果导致乱码。因此将这些字符先编码再解决解决问题。

encode('raw_unicode_escape').decode()