Python 3.10如何将含八进制UTF-8字节的字符串以可读格式写入文件

问题核心 #

你定义的字符串s = "n\303\244chsten"中，\303、\244是八进制格式表示的UTF-8原始字节值：\303对应十进制字节值195（0xC3），\244对应十进制字节值164（0xA4），二者正是UTF-8编码下德文字符ä的两个组成字节。
Python解析这类转义序列时，会默认把每个转义值解析为单个独立的Latin-1范围字符，不会自动按UTF-8规则合并为多字节字符，因此直接写入文件会得到乱码，无法输出预期的nächsten。

实现步骤 #

• 用latin-1编码将现有字符串转为原始字节对象：latin-1为单字节编码，码点与0-255的字节值一一对应，转码过程不会丢失或篡改原始字节值
• 将得到的字节对象用utf-8解码，得到正确的可读Unicode字符串
• 按常规UTF-8编码格式打开文件写入内容即可

代码示例 #

# 待处理的包含八进制转义字节的字符串
s = "n\303\244chsten"

# 转码得到正确的可读字符串
correct_content = s.encode("latin-1").decode("utf-8")

# 验证：控制台将输出正确内容 nächsten
print(correct_content)

# 写入文件，将myfile替换为实际文件路径
myfile = "output.txt"
with open(myfile, "w", encoding="utf-8") as fp:
    fp.write(correct_content)

特殊场景适配 #

如果你拿到的字符串是未解析转义的原始文本（即肉眼可直接看到\303这类字符序列，而非转义后的不可读字符，比如用raw字符串定义的s = r"n\303\244chsten"），需要先解析转义序列再执行上述转码逻辑：

s = r"n\303\244chsten"
# 先解析转义序列，再转码为正确内容
correct_content = s.encode("latin-1").decode("unicode_escape").encode("latin-1").decode("utf-8")

内容的提问来源于stack exchange，提问作者Prasanthi Jayam