Python如何正确打印包含Unicode转义字符的字符串

为什么两种场景处理结果存在差异 #

两种场景的输出差异和print()函数本身无关，核心原因是两个场景下传入print()的字符串内容本质不同：

• 代码中写的字符串字面量"Le Condamn\u00e9 \u00e0 mort"里的\u开头序列是Python语法规定的Unicode转义标识，会在代码编译阶段就被Python解释器自动转换为对应的Unicode字符，你传给print()的本身就是已经完成转义的é、à字符，自然输出正常。
• 从stdin或者文件读取到的字符串，是输入源的原始字符序列，\u00e9会被拆成\、u、0、0、e、9六个独立字符存储，解释器不会自动对外部输入的内容做转义解析，print()只是原样输出收到的字符，因此会显示未转义的原始内容。

转义处理方法 #

最安全通用的方案是利用Python内置的unicode_escape编码完成转义解析，步骤是先把原始字符串按latin-1编码转为字节串（latin-1是单字节编码，每个字节直接对应Unicode前256个码点，不会丢失字符也不会出现编码错误），再用unicode_escape编码解码为正常字符串，示例代码如下：

import sys
# 从stdin读取原始字符串
raw_input = sys.stdin.readline().strip()
# 转义处理
processed_str = raw_input.encode('latin-1').decode('unicode_escape')
# 输出转义后的结果
print(processed_str)

注意事项 #

• 不要使用eval()类方法处理输入字符串，存在极高的代码注入安全风险，一旦输入包含恶意代码会直接被执行。
• 如果输入字符串是符合JSON规范的内容，也可以用json.loads()处理，注意需要给字符串包裹双引号匹配JSON语法：import json; processed_str = json.loads(f'"{raw_input}"')，该方案仅适用于符合JSON格式要求的输入。

内容的提问来源于stack exchange，提问作者user2418063