无法解析导出的 Instagram 聊天日志中的非 ASCII 字符

Question

我请求从 Instagram 下载数据，并选择了 JSON 格式。但是，当我获取该文件并将其解压缩时，每个非 ASCII 字符都表示为 Unicode 转义序列。例如：

"sender_name": "Le\u00c3\u00b3 Tak\u00c3\u00a1cs"

正确的文本是：“sender_name”：“Leó Takács”

我尝试使用 Python 解析 JSON 文件并以某种方式更正错误，但我得到的不是“\u00c3\u00b3”的“ó”，而是“ó”。看起来，我尝试的每一种方法，它总是返回单独解码的字符。同样的事情也发生在表情符号上，因此对每个有问题的字符进行硬编码以替换会有点令人头痛。我更喜欢一个可以通过编程方式实现的解决方案，但此时包括第 3 方软件在内的任何想法都可以发挥作用。

Answer 1

看起来每个 UTF-8 字节都被解释为 Unicode 字符，或者换句话说，UTF-8 被解释为 Latin 1 编码文本。

data = '"sender_name": "Le\u00c3\u00b3 Tak\u00c3\u00a1cs"'
cleaned = data.encode('latin-1').decode('utf-8')
print(cleaned)
# "sender_name": "Leó Takács"

即

"Le\u00c3\u00b3 Tak\u00c3\u00a1cs"

应该是

b'"Le\xc3\xb3 Tak\xc3\xa1cs"'

。