如何将表示UTF-8字符的int转换为Unicode代码点？

Question

让我们以带有Ogonek（U + 0104）的拉丁大写字母a为例。

我有一个表示其UTF-8编码形式的整数：

my_int = 0xC484
# Decimal: `50308`
# Binary: `0b1100010010000100`

如果使用unichr函数，我得到： \쒄或쒄 （U + C484）

但是，我需要它输出： Ą

如何将my_int转换为Unicode代码点？

Answer 1

要将整数0xC484转换为字节字符串'\\xc4\\x84' （Unicode字符Ą的UTF-8表示形式），可以使用struct.pack() ：

>>> import struct
>>> struct.pack(">H", 0xC484)
'\xc4\x84'

...，其中格式字符串中的>表示big-endian ， H表示无符号short int 。

拥有UTF-8字节串后，您可以照常将其解码为Unicode：

>>> struct.pack(">H", 0xC484).decode("utf8")
u'\u0104'

>>> print struct.pack(">H", 0xC484).decode("utf8")
Ą

Answer 2

使用hex()或%x将数字编码为十六进制字符串。 然后，您可以使用hex解码器将其解释为一系列十六进制字节。 最后使用utf-8解码器获取unicode字符串：

def weird_utf8_integer_to_unicode(n):
    s= '%x' % n
    if len(s) % 2:
        s= '0'+s
    return s.decode('hex').decode('utf-8')

len检查是为了防止第一个字节在0x1-0xF范围内，这将使其丢失前导零。 这应该能够处理任何长度的字符串和任何字符（但是，用这样的整数编码字节序列将无法假装前导零字节）。

Answer 3

>>> int2bytes(0xC484).decode('utf-8')
u'\u0104'
>>> print(_)
Ą

这里定义了int2bytes() 。