如何高效替换字符串中的\uXXXX转义字符（不转换\n\r等转义序列）

我太懂这种两难的处境了——想用unicode_escape直接解码吧，它连\n、\r这些你想原封不动保留的转义也一并转了；自己写个循环逐字节处理吧，数据量一大就慢得让人抓头发。

你原来的while循环代码最大的问题在于，每次用new_content += ...拼接字节串时，都会创建新的字节串对象，内容越长，重复分配内存的开销就越大，效率自然上不去。给你推荐个高效得多的方案：用正则表达式精准匹配替换！

高效实现代码 #

import re

def fast_transform_backslash_u(content):
    # 匹配字节串中的\uXXXX格式转义（注意双反斜杠是字节串的转义写法）
    u_escape_pattern = re.compile(b'\\\\u[0-9a-fA-F]{4}')
    # 对每个匹配到的\uXXXX片段单独解码再编码
    def replace_match(match_obj):
        return match_obj.group().decode('unicode_escape').encode('utf-8')
    # 批量替换所有匹配项
    return u_escape_pattern.sub(replace_match, content)

为什么这个方法更好？ #

• 正则的匹配逻辑是底层C实现的，比纯Python写的while循环快得多，处理大文本时性能差距会特别明显
• 精准锁定\uXXXX格式的转义，完全不会碰\n、\r这类你想保留的转义序列
• 内部的替换逻辑是批量处理，内存利用比手动拼接字节串高效太多

测试示例 #

拿个例子试试效果：

test_data = b'Hi\\u4F60\\u597D! Here is\\na test line with\\ra carriage return.'
output = fast_transform_backslash_u(test_data)
print(output.decode('utf-8'))

输出结果是：

Hi你好! Here is\na test line with\ra carriage return.

可以看到\u4F60和\u597D成功转成了汉字“你好”，而\n和\r完完整整保留了下来，完美符合你的需求～

备注：内容来源于stack exchange，提问作者白鳥鵠