如何在Python3中将第三方API返回的未知编码文本转换为UTF-8（复现Notepad++编码切换流程）

我明白你遇到的这种乱码有多头疼——这本质上是编码二次错误（也就是常说的Mojibake）：原本的UTF-8文本被错误地用cp1252（Windows下的ANSI编码）解码，之后又以UTF-8保存，才出现了「Träume groß」这类奇怪的字符。Notepad++的操作流程其实已经给了我们明确的方向，下面就把这个流程翻译成Python代码：

核心逻辑 #

Notepad++的操作对应的Python步骤是：

• 「切换为ANSI」→ 将当前显示的字符串（错误解码后的Unicode）用cp1252编码回原始bytes
• 「切换为UTF-8」→ 用UTF-8解码这些bytes，得到正确文本

具体实现代码 #

假设你从API拿到的乱码字符串是这样的：

garbled_str = 'Danke "Träume groß" 🙌🼠Super Idee!!!'

执行以下代码就能还原正确内容：

# 1. 将乱码的Unicode字符串用cp1252编码，还原出错误解码前的原始bytes
raw_bytes = garbled_str.encode('cp1252')
# 2. 用正确的UTF-8解码这些bytes，得到正常文本
correct_str = raw_bytes.decode('utf-8')

print(correct_str)
# 输出结果：Danke "Träume groß" 🙌🏼 Super Idee!!!

为什么之前的尝试失败？ #

你提到尝试了cp1252和UTF-8的所有组合但报错，大概率是搞反了encode和decode的顺序：

• 错误逻辑：直接对乱码字符串用UTF-8解码（但它已经是Unicode字符串了，解码会报错）
• 正确逻辑：先把错误的Unicode字符串编码回bytes（用错误的编码cp1252），再用正确的编码UTF-8解码

另外，你遇到的SyntaxError是因为直接写b'🙌ðŸ¼'——bytes字面量只能包含ASCII字符，所以要从你实际拿到的Unicode字符串入手，而不是手动构造非ASCII的bytes。

关于chardet的补充 #

chardet需要的是原始的响应bytes（比如用requests.get(url).content获取），如果API返回时你已经用错误的编码解码成了字符串，那chardet就没法直接检测了。如果后续能拿到原始bytes，你可以这样检测：

import chardet

raw_response = b''  # 这里替换成API返回的原始bytes
detected = chardet.detect(raw_response)
print(detected['encoding'])  # 应该会输出utf-8

内容的提问来源于stack exchange，提问作者DerBob