[已解决]字符串编码转换，大佬们救救孩子（第二阶段）

z5560636

现在重新遇到了问题。
直接用get 获取到的数据是被系统层 使用utf8转义过的了

第一阶段，未转意的字符串：

str1 = {"Content-Type": "=?unknown-8bit?q?application/octet-stream=3B?==?unknown-8bit?b?IG5hbWU9IjEyNjO1xNTa1sbGt9DFz6K749fcLnhsc3gi?="}

第二阶段，转义后的字符串：

str2 = "1263\udcb5\udcc4\udcd4\udcda\udcd6\udcc6\udcc6\udcb7\udcd0\udcc5\udccf\udca2\udcbb\udce3\udcd7\udcdc.xlsx"
# 实际上只是对 IG5hbWU9IjEyNjO1xNTa1sbGt9DFz6K749fcLnhsc3gi 进行了编码转换

现在已知的解决方案是：
1. str2  \udc 替换成 \x
2. str2 转换成字节型，或者直接输出 str2.decode("gbk") 即可完成编码转换

以下是对应示例：

print(b'1263\xb5\xc4\xd4\xda\xd6\xc6\xc6\xb7\xba\xcd\xd0\xbe\xc6\xac\xbf\xe2\xb4\xe6\xd0\xc5\xcf\xa2\xbb\xe3\xd7\xdc'.decode("gbk"))

大佬们，请问我应该怎么写？  请大佬们附上能正确运行的代码，让小弟学习以下。

最佳答案

月排行榜 / 总排行榜

hrpzcf

2021-12-28 15:34:09

z5560636 发表于 2021-12-28 14:22
大佬不是这个意思，我用的email.get() 函数获取到的是已经解码完毕的，照着大佬您这么写的话，我还得去修 ...

def cvtudc(udcstr: str) -> str:
    udc, start = "\\udc", 0
    udcstr = repr(udcstr).strip("'")
    max_i = len(udcstr) - 1
    while True:
        u1 = udcstr.find(udc, start)
        if u1 == -1 or u1 + 1 > max_i or u1 + 4 > max_i:
            break
        start = u1 + 1
        u2 = udcstr.find(udc, start)
        if u2 == -1 or u2 + 4 > max_i or u2 + 6 > max_i:
            break
        b1 = udcstr[u1 + 4 : u2]
        b2 = udcstr[u2 + 4 : u2 + 6]
        new = bytes([int(b1, 16), int(b2, 16)]).decode("gbk")
        udcstr = udcstr.replace(udcstr[u1 : u2 + 6], new, 1)
    return udcstr


# 使用cvtudc函数来把str2转换成可读字符串，理论上像str2的字符串，都可以用cvtudc来转
str2 = "1263\udcb5\udcc4\udcd4\udcda\udcd6\udcc6\udcc6\udcb7\udcd0\udcc5\udccf\udca2\udcbb\udce3\udcd7\udcdc.xlsx"
print(cvtudc(str2))  # 结果：1263的在制品信息汇总.xlsx

跳转到最佳答案楼层

hrpzcf

import re
import base64

dict1 = {
    "Content-Type": "=?unknown-8bit?q?application/octet-stream=3B?==?unknown-8bit?b?IG5hbWU9IjEyNjO1xNTa1sbGt9DFz6K749fcLnhsc3gi?="
}

# 从 dict1 的"Content-Type"键值中搜索 =?unknown-8bit?q?application/octet-stream=3B?==?unknown-8bit?b? 后面的内容
m_obj = re.search(
    r"=\?unknown-8bit\?q\?application/octet-stream=3B\?==\?unknown-8bit\?b\?(.+)",
    dict1["Content-Type"],
)

# 以下if m_obj表示如果匹配到内容
if m_obj:
    # m_obj.group(1) 表示匹配到的内容，这里是 IG5hbWU9IjEyNjO1xNTa1sbGt9DFz6K749fcLnhsc3gi?=
    # 使用 base64 解码 IG5hbWU9IjEyNjO1xNTa1sbGt9DFz6K749fcLnhsc3gi?= 这个字符串，得到一个字节码
    b = base64.b64decode(m_obj.group(1))
    # 再使用 gbk 编码解码字节码，得到字符串
    print(b.decode("gbk"))  # 结果为 'name="1263的在制品信息汇总.xlsx"'，1263的在制品信息汇总.xlsx 请自行分离

z5560636

hrpzcf 发表于 2021-12-28 14:18

大佬不是这个意思，我用的email.get() 函数获取到的是已经解码完毕的，照着大佬您这么写的话，我还得去修改源码。
能不能只对字符串转换输出？

hrpzcf

z5560636 发表于 2021-12-28 14:22
大佬不是这个意思，我用的email.get() 函数获取到的是已经解码完毕的，照着大佬您这么写的话，我还得去修 ...

email.get()得到什么？str2？
如果一定要走email.get()的话就算走弯路了

z5560636

hrpzcf 发表于 2021-12-28 14:23
email.get()得到什么？str2？
如果一定要走email.get()的话就算走弯路了

我也不想 用email.get()  问题是如此，我应该怎么获取邮件的信息？

hrpzcf

z5560636 发表于 2021-12-28 14:22
大佬不是这个意思，我用的email.get() 函数获取到的是已经解码完毕的，照着大佬您这么写的话，我还得去修 ...

def cvtudc(udcstr: str) -> str:
    udc, start = "\\udc", 0
    udcstr = repr(udcstr).strip("'")
    max_i = len(udcstr) - 1
    while True:
        u1 = udcstr.find(udc, start)
        if u1 == -1 or u1 + 1 > max_i or u1 + 4 > max_i:
            break
        start = u1 + 1
        u2 = udcstr.find(udc, start)
        if u2 == -1 or u2 + 4 > max_i or u2 + 6 > max_i:
            break
        b1 = udcstr[u1 + 4 : u2]
        b2 = udcstr[u2 + 4 : u2 + 6]
        new = bytes([int(b1, 16), int(b2, 16)]).decode("gbk")
        udcstr = udcstr.replace(udcstr[u1 : u2 + 6], new, 1)
    return udcstr


# 使用cvtudc函数来把str2转换成可读字符串，理论上像str2的字符串，都可以用cvtudc来转
str2 = "1263\udcb5\udcc4\udcd4\udcda\udcd6\udcc6\udcc6\udcb7\udcd0\udcc5\udccf\udca2\udcbb\udce3\udcd7\udcdc.xlsx"
print(cvtudc(str2))  # 结果：1263的在制品信息汇总.xlsx

伽羅~

myqf123

阿萨德按时

阿萨德按时

1molHF

1molHF

阿萨德按时

1molHF

阿萨德按时

阿萨德按时

阿萨德按时

1molHF

1molHF