1

Eu estou usando uma API que não está aceitando caracteres especiais enviados diretamente no payload JSON (como á, ó, ã...) e preciso converter esses caracteres para \uxxx. Por exemplo "não" -> "n\u00e3o". No Python, ele converte \uxxxx automaticamente para um caractere unicode, mas eu gostaria de fazer a operação inversa e converter, por exemplo, a palavra "não" para "n\u00e3o".

1 Resposta 1

2

Se tratando de json especificamente, basta usar o método nativo, json.dumps(), ele já faz o unicode-escape automaticamente, ficando:

import json

payload = json.dumps({
    "chave1": "letra á, letra é, letra í, letra ó, letra ú",
    "chave2": "letra do alfabeto cirílico: ф",
    "array1": ["avião", "a letra ó", "letra do alfabeto cirílico: ф"]
})

print(payload)

Saída:

{"chave1": "letra \u00e1, letra \u00e9, letra \u00ed, letra \u00f3, letra \u00fa", "chave2": "letra do alfabeto cir\u00edlico: \u0444", "array1": ["avi\u00e3o", "a letra \u00f3", "letra do alfabeto cir\u00edlico: \u0444"]}

Funcionará com string também:

import json

y = json.dumps("a letra ó Ó, a letra do alfabeto cirílico: ф")

print(y)

Saída:

"a letra \u00f3 \u00d3, a letra do alfabeto cir\u00edlico: \u0444"

Nota: que a string retornada irá possuir aspas nas extremidades e aspas (double-quotes) também serão escapados

Teste online no ideone: https://ideone.com/NJBTWH

Usando unicode-escape e backslashreplace

É possível usar o unicode-escape, o problema é que ele irá transformar quebras de linha em \n e se esse não for o seu objetivo, pode complicar, mas é possível configurar como deseja tratar a saída com str.encode.

Como pode ver pelo link da documentação, por padrão str.encode(encoding='utf-8', errors='strict') usa encoding='utf-8' e errors='strict', no seu caso você quer que qualquer caractere especial esja "escapado" e caracteres comuns (provavelmente ASCII) sejam mantidos, então deverá usar enconding='ascii', isso fará o str.encode() codificar tudo o que é possível em ASCII, o que não for possível irá causar erro, para isso você deverá tratar os erros com errors='backslashreplace', ele usar a forma hexadecimal do Unicode code point com formatos \xhh \uxxxx \Uxxxxxxxx.

print('Olá mundo! ß, ♬'.encode('ascii', errors='backslashreplace'))

Saída:

b'Ol\\xe1 mundo! \\xdf, \\u266c'

E para tornar em str novamente use o bytes.decode():

print('Olá mundo! ß, ♬'.encode('ascii', errors='backslashreplace').decode())

Aqui pode conferir a diferença dos resultados:

x = '''Olá mundo!
letras: Á á É é Õ õ
outros: ф ß ♬
Emojis: 😀 👨‍👩‍👧‍👦'''

unicode_escape = x.encode('unicode-escape').decode()

customizado = x.encode('ascii', errors='backslashreplace').decode()

print("unicode_escape:")
print(unicode_escape)

print("\ncustomizado:")
print(customizado)

Saída:

unicode_escape:
Ol\xe1 mundo!\nletras: \xc1 \xe1 \xc9 \xe9 \xd5 \xf5\noutros: \u0444 \xdf \u266c\nEmojis: \U0001f600 \U0001f468\u200d\U0001f469\u200d\U0001f467\u200d\U0001f466

customizado:
Ol\xe1 mundo!
letras: \xc1 \xe1 \xc9 \xe9 \xd5 \xf5
outros: \u0444 \xdf \u266c
Emojis: \U0001f600 \U0001f468\u200d\U0001f469\u200d\U0001f467\u200d\U0001f466

Referencias

Você deve fazer log-in para responder a esta pergunta.

Esta não é a resposta que você está procurando? Pesquise outras perguntas com a tag .