通过 python-ldap 使用 Active Directory 中的 unicode 编码字符串

Question

我已经提出了这个问题，但经过一些测试后，我决定创建一个包含一些更具体信息的新问题：

我正在使用 python-ldap （和 Python 2.7）从我们的 Active Directory 读取用户帐户。这确实有效，但我对特殊字符有问题。当打印在控制台上时，它们确实看起来像 UTF-8 编码的字符串。目标是将它们写入 MySQL 数据库，但我并没有从一开始就将这些字符串转换为正确的 UTF-8。

示例（fullentries 是我的包含所有 AD 条目的数组）：

fullentries[23][1].decode('utf-8', 'ignore')    
print fullentries[23][1].encode('utf-8', 'ignore')
print fullentries[23][1].encode('latin1', 'ignore')
print repr(fullentries[23][1])

第二个测试手动插入字符串，如下所示：

testentry = "M\xc3\xbcller"
testentry.decode('utf-8', 'ignore')
print testentry.encode('utf-8', 'ignore')
print testentry.encode('latin1', 'ignore')
print repr(testentry)

第一个示例的输出是：

M\xc3\xbcller
M\xc3\xbcller
u'M\\xc3\\xbcller'

编辑：如果我尝试用 .replace('\\ \\','\\) 输出保持不变。

第二个例子的输出：

Müller
M�ller
'M\xc3\xbcller'

有没有办法让AD输出正确编码？我已经阅读了很多文档，但它们都指出 LDAPv3 为您提供严格的 UTF-8 编码字符串。 Active Directory 使用 LDAPv3。

我的旧问题这个主题在这里： Writing UTF-8 String to MySQL with Python

编辑：添加了 repr(s) 信息

Answer 1

首先，要知道打印到Windows控制台通常是导致数据混乱的步骤，因此对于您的测试，您应该打印repr(s)来查看您的精确字节有在你的字符串中。

您需要了解 AD 中的数据是如何编码的。同样，print repr(s) 会让您看到数据的内容。

更新：

好吧，看起来你不知何故得到了奇怪的字符串。可能有一种方法可以让它们变得更好，但您可以在任何情况下进行调整，尽管这并不完美：

u.decode('unicode_escape').encode('iso8859-1').decode('utf8')

您可能想研究是否可以以更自然的格式获取数据。