我正在尝试在 python 3 中将表情符号转换为其 Unicode。例如,我将拥有表情符号?,并希望从中获得相应的 unicode 'U+1F600'。同样,我想将“U+1F600”转换回?。现在我已经阅读了文档并尝试了几个选项,但这里的 python 行为让我感到困惑。
>>> x = '?'
>>> y = x.encode('utf-8')
>>> y
b'\xf0\x9f\x98\x80'
表情符号被转换为字节对象。
>>> z = y.decode('utf-8')
>>> z
'?'
将字节对象转换回表情符号,到目前为止一切顺利。
现在,获取表情符号的 unicode:
>>> c = '\U0001F600'
>>> d = c.encode('utf-8')
>>> d
>>> b'\xf0\x9f\x98\x80'
这会再次打印出字节编码。
>>> d.decode('utf-8')
>>> '?'
这会再次打印表情符号。我真的不知道如何仅在 Unicode 和表情符号之间进行转换。
最佳答案
'?' 已经是一个 Unicode 对象。 UTF-8 不是 Unicode,它是 Unicode 的字节编码。要获取 Unicode 字符的代码点编号,可以使用 ord
函数。并以您想要的形式打印它,您可以将其格式化为十六进制。像这样:
s = '?'
print('U+{:X}'.format(ord(s)))
输出
U+1F600
如果你有 Python 3.6+,你可以使用 f-string 使它更短(更高效):
s = '?'
print(f'U+{ord(s):X}')
顺便说一句,如果您想创建像 '\U0001F600'
这样的 Unicode 转义序列,则可以使用 'unicode-escape'
编解码器。但是,它返回一个 bytes
字符串,您可能希望将其转换回文本。您可以为此使用“UTF-8”编解码器,但也可以只使用“ASCII”编解码器,因为它保证只包含有效的 ASCII。
s = '?'
print(s.encode('unicode-escape'))
print(s.encode('unicode-escape').decode('ASCII'))
输出
b'\\U0001f600'
\U0001f600
我建议你看看 Stack Overflow 联合创始人 Joel Spolsky 的这篇短文 The Absolute Minimum Every Software Developer Absolutely, Positively Must Know About Unicode and Character Sets (No Excuses!) .
https://stackoverflow.com/questions/47716217/