在Python中将Unicode代码点转换为Unicode字符

Question

我正在解析文本的十六进制/ unicode转义。

所以我会有一个输入字符串

\x{abcd}

这很容易-我得到一个数组["ab", "cd"] ，我将其称为digits ，并对其进行处理：

return bytes(int(d, 16) for d in digits).decode("utf-8")

因此，我基本上将{}之间的所有内容都接受为UTF-8编码的字符，并将其转换为字符。 简单。

>>> bytes(int(d, 16) for d in ["e1", "88", "92"]).decode("utf-8")
'ሒ'

但是我想走另一条路： \\u{1212}应该产生相同的字符。 问题是，我不知道如何将所得的["12", "12"]视为Unicode代码点而不是UTF-8字节，以再次获得ሒ字符。

如何在python 3中执行此操作？

Answer 1

您可以在将数字解析为base-16之后使用chr ：

>>> chr(int('1212', 16))
'ሒ'
>>> '\u1212'
'ሒ'

如果要在某个字符串中全局替换此字符串，则将re.sub与替换函数一起使用可以使此过程变得简单：

import re

def replacer(match):
    if match.group(2) == 'u':
        return chr(int(match.group(3), 16))
    elif match.group(2) == 'x':
        return  # ...

re.sub(r'(\\(x|u)\{(.*?)\})', replacer, r'\x{abcd} foo \u{1212}')

Answer 2

您是说要编码这样的字符串？

>>> print u"\u1212"
ሒ
>>> print u"\u00A9"
©

编辑：

如果以字符串开头，那只是

>>> chr(int("1212", 16))
'ሒ'