前言
最近在图形用户界面（GUI）自动化的工作，有一个场景是使用pyatspi库和OCR工具获取GUI上的UI元素信息（元素名、元素类型和元素坐标等等），运行过程中发现了一些元素名包含了不可见字符，一个例子是：（\ueaf0），输出到powershell的效果大概是一个小方框：
但是保存为.log日志文件之后，在VSCode中打开，会发现VSCode把文件的编码模式自动识别成了：Window 1252，导致变成了乱码，看到的效果是这样的：
显然这个字符并不是重要信息，因此我的解决方案是把字符串变量中所有不可见字符都过滤掉（替换为空格），保证powershell和日志文件中不会出现乱码。
解决方案
为了实施对字符串的过滤，首先是找到需要对哪个字符串进行过滤，这里debug一下，倒是不难找，顺便看了一下字符串的值，大概是这样的：
1
...\t\t\ueaf0\n19\tstatic...
由于在debug的时候，看到的字符串的值实际是原始值，因此不可见字符是以转义字符的形式展示的，也就是这里的\ueaf0。
那么思路就比较清晰了：
- 将字符串转化为原始字符串，这里可以使用
repr(str)函数直接进行转换； - 使用正则表达式匹配不可见字符，并替换。替换的规则写的比较粗暴，
r"\\u.{4}"，意思是匹配\uxxxx，也就是u后面跟四个字符，即标准的unicode字符，\\是因为在原始字符串中匹配，需要转义； - 将原始字符串转化为正常字符串，直接用
import ast ast.literal_eval(raw_str)函数。
大致的代码如下：
1
2
3
4
5
6
import re
import ast
origin_str # 原始的字符串
raw_str = repr(origin_str) # 转化为原始字符串
clean_raw_str = re.sub(r"\\u.{4}", "", raw_str) # 这里正则匹配写的比较粗暴，但是有效，
clean_str = ast.literal_eval(clean_raw_str)
