如何修复错误编码字符：将ø转换为ř的Python编码转换方法

我访问的网站里有个字符显示为ø，它的Unicode码点是248（十六进制0xf8），Python控制台验证如下：

>>> chr(248)
'ø'

但结合文本语义判断，这个字符是编码错误导致的，实际应该是ř——Windows-1250编码的0xf8码点对应的字符就是ř。

问题：需要执行何种编码转换才能将ø转为ř？

我尝试了两种方法都失败了：
第一种：

>>> chr(248).encode().decode('windows-1250')
'ø'

第二种：

>>> chr(248).encode('windows-1250').decode()
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "/usr/lib/python3.6/encodings/cp1250.py", line 12, in encode
    return codecs.charmap_encode(input,errors,encoding_table)
UnicodeEncodeError: 'charmap' codec can't encode character '\xf8' in position 0: character maps to <undefined>

正确转换逻辑 #

问题核心是编码解码顺序搞反了：当前的ø是把Windows-1250编码的字节0xf8错误用UTF-8解码得到的结果。要还原正确字符，需按以下步骤操作：

1. 先把错误的Unicode字符ø转回对应的UTF-8字节；
2. 再用Windows-1250编码解码该字节，得到正确的ř。

代码实现 #

# 错误的Unicode字符
wrong_char = 'ø'
# 转成UTF-8字节（对应原网站错误解码前的字节0xf8）
byte_data = wrong_char.encode('utf-8')
# 用Windows-1250解码字节，得到正确字符
correct_char = byte_data.decode('windows-1250')
print(correct_char)  # 输出：ř

之前方法失败的原因 #

• 第一种方法：encode()默认用UTF-8，ø的UTF-8编码是b'\xc3\xb8'，用Windows-1250解码这两个字节会得到ø，不符合预期。
• 第二种方法：Windows-1250编码中没有Unicode码点0xf8对应的映射，直接编码会触发报错。

内容的提问来源于stack exchange，提问作者Jeyekomon