通过python-ldap处理来自Active Directory的Unicode编码字符串

Question

我已经遇到了这个问题，但在进行一些测试后，我决定提出一个新问题，并提供更多具体信息：

我正在使用python-ldap（和Python 2.7）从我们的Active Directory中读取用户帐户。这确实有效，但我遇到了特殊字符的问题。当在控制台上打印时，它们看起来像UTF-8编码的字符串。目标是将它们写入MySQL数据库，但我无法从一开始就将这些字符串转换为正确的UTF-8格式。

例如（fullentries是包含所有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])

手动插入字符串后的第二个测试如下所示：

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

第一个示例的输出结果是：

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

编辑：如果我尝试用.replace('\\\\','\\)替换双反斜杠，输出结果仍然相同。

第二个示例的输出：

Müller
M�ller
'M\xc3\xbcller'

有没有办法正确编码AD输出？我已经阅读了很多文档，但它们都指出LDAPv3只提供UTF-8编码的字符串。Active Directory使用LDAPv3。

我之前在这个主题上发过一个问题：用Python将UTF-8字符串写入MySQL 编辑：添加了repr(s)信息

- Raptor

Answer 1

首先，了解到在 Windows 控制台上打印常常会导致数据变形，所以为了测试，你应该使用 print repr(s) 命令来查看字符串中确切的字节。

你需要找出 AD 中的数据是如何编码的。同样地，print repr(s) 会让你看到数据的内容。

更新：

好的，看起来你得到了一些奇怪的字符串。可能有一种更好的方法可以得到更好的结果，但是你可以在任何情况下进行调整，尽管这并不美观:

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

你可能需要考虑是否可以获取更自然的数据格式。

- Ned Batchelder

---

我正在一台Ubuntu机器上进行测试，仅供记录。print repr(fullentries[23][1])的输出为u'M\xc3\xbcller'，print repr(testentry)的输出为'M\xc3\xbcller'。编辑：添加了上述信息。 - Raptor

谢谢！您的更新确实有效，您拯救了我的周末；）。这不能与我从AD中获取的thumbnailPhoto属性一起使用，但我认为我们可以找到一个解决方法。所有纯文本字符串现在看起来都很完美。 :) - Raptor