UTF-8文本混入cp1252 ASCII字面量，转换代码无效求排查

核心问题1：字符串转义被提前解析 #

你定义的字符串里，\x9a和\x9e会被Python直接解析为对应的转义字符，而非保留字面量的\x9a（四个字符：\、x、9、a）。这导致正则表达式r'\\x[0-9a-fA-F]{2}'找不到任何匹配项，因为原文本里不存在这样的字面量序列。

如果你的原始损坏文本确实包含字面量的\xXX格式（比如从文件读取的内容里有\x9a这四个字符），需把字符串定义为原始字符串，避免Python提前转义：

text = r"This text contains some ASCII literal codes like \x9a and \x9e."

核心问题2：编码转换逻辑错误 #

就算找到了\x9a这样的字面量，当前的转换逻辑也不正确：

char = bytes(code, 'ascii').decode('cp1252')

这段代码是把\x9a四个字符转成ASCII字节，再用cp1252解码，得到的是四个字符的解码结果，而非0x9a字节对应的cp1252字符。

正确步骤应为：

1. 提取\x后面的两位十六进制数字
2. 将其转换为整数（对应字节值）
3. 把整数转成单字节的bytes对象
4. 用cp1252解码成对应字符

修复后的完整代码 #

import re

# 用原始字符串定义，保留字面量的\xXX序列
text = r"This text contains some ASCII literal codes like \x9a and \x9e."

# 匹配字面量的\xXX格式，捕获后面的两位十六进制数
codes = re.findall(r'\\x([0-9a-fA-F]{2})', text)

# 遍历每个捕获的十六进制码，替换为对应字符
for hex_code in codes:
    # 转成整数，再转字节，解码cp1252
    char = bytes([int(hex_code, 16)]).decode('cp1252')
    # 构造要替换的字面量字符串
    literal = f'\\x{hex_code}'
    text = text.replace(literal, char)

print(text)

运行后输出：This text contains some ASCII literal codes like Š and ž.

补充说明 #

如果原始文本是从外部读取（比如文件），无需用原始字符串，直接读取即可——文件里的\x9a会被读成四个字符的字面量，不会被Python提前转义。

内容的提问来源于stack exchange，提问作者Markus