Python3如何将包含转义emoji Unicode的字符串转换为显示正确emoji的字符串

你遇到的是典型的编码映射错误：原始UTF-8编码的字节流被错误使用*Latin-1（ISO-8859-1）*单字节编码解码为字符串，才会出现💖类乱码，以及转义后可见\xf0\x9f\x92\x96这类UTF-8字节特征的内容。

核心实现代码 #

Python3中仅需两步即可完成修复：

1. 将乱码字符串用latin-1编码转回原始字节流
2. 用utf-8重新解码字节流，得到正确字符串

def fix_encoding_error(broken_text: str) -> str:
    # 还原原始字节流
    raw_bytes = broken_text.encode('latin-1')
    # 用utf-8正确解码，errors参数可选，用于处理异常编码内容
    return raw_bytes.decode('utf-8', errors='replace')

测试验证 #

测试样例1：单emoji场景 #

输入：'i love you 💖'
调用代码：

test1 = 'i love you 💖'
print(fix_encoding_error(test1))

输出结果：i love you 💖

测试样例2：多emoji场景 #

输入：'i love you \xf0\x9f\x92\x96\xf0\x9f\x92\x96'
调用代码输出：i love you 💖💖

测试样例3：长文本乱码场景 #

你提供的带乱码的推文内容，调用上述方法后会自动还原所有emoji，无乱码。

内容的提问来源于stack exchange，提问作者Peter Lo