Azure翻译API转存Blob存储时Unicode转义问题求助

问题根源 #

你的问题出在将翻译后的字典序列化上传到Blob时的JSON处理环节。当前代码中，翻译后的translated_dict本身包含正常Unicode字符（如Kłodawa），但如果上传Blob时使用json.dumps()未指定ensure_ascii=False，非ASCII字符会被自动转义为Unicode编码（如\u0142）。本地保存正常也验证了translated_dict本身无问题，问题仅出在后续上传的序列化步骤。

解决方案 #

1. 上传Blob时正确序列化字典 #

将translated_dict转换为JSON字符串上传时，必须添加ensure_ascii=False参数，保留非ASCII字符不转义：

# 示例：使用azure-storage-blob库上传
from azure.storage.blob import BlobServiceClient
import json

def upload_to_blob(translated_dict, connection_string, container_name, blob_name):
    # 序列化字典为JSON字符串，保留非ASCII字符
    json_content = json.dumps(translated_dict, ensure_ascii=False)
    # 转换为UTF-8编码的字节流
    content_bytes = json_content.encode('utf-8')
    
    blob_service_client = BlobServiceClient.from_connection_string(connection_string)
    blob_client = blob_service_client.get_blob_client(container=container_name, blob=blob_name)
    blob_client.upload_blob(content_bytes, overwrite=True)

2. 可选：直接使用API返回的JSON字符串上传 #

若不想重新序列化字典，可直接将API返回的translated_json_text编码为UTF-8字节流上传：

# 直接使用翻译API返回的translated_json_text
content_bytes = translated_json_text.encode('utf-8')
# 后续上传代码同上

3. 验证中间结果 #

上传前可打印translated_dict内容，确认字符串是正常的Kłodawa而非转义后的K\u0142odawa，快速排查问题环节：

print(translated_dict['title'])  # 预期输出：Built-up property located in Rgielew, Kłodawa commune

额外需求处理（获取纯ASCII文本） #

若你需要不带重音的Klodawa，可使用字符串归一化工具去除重音：

import unicodedata

def remove_accents(text):
    return unicodedata.normalize('NFKD', text).encode('ascii', 'ignore').decode('utf-8')

# 使用示例
clean_title = remove_accents(translated_dict['title'])
# 输出：Built-up property located in Rgielew, Klodawa commune

内容的提问来源于stack exchange，提问作者naif hussain