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
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
Sobre o parâmetro
enconding=
, leia mais na documentação: https://docs.python.org/3/library/codecs.html#standard-encodingsSobre o parametro
errors=
, leia mais na documentação: https://docs.python.org/3/library/codecs.html#error-handlers