[英]Escaped Unicode to Emoji in Python
我正在嘗試將轉義的 Unicode 轉換為表情符號。
例子:
>>> emoji = "😀"
>>> emoji_text = "\\ud83d\\ude00"
>>> print(emoji)
😀
>>> print(emoji_text)
\ud83d\ude00
而不是 "\?\?" 我想打印😀
我發現了一個有效但不實用的簡單技巧:
>>> import json
>>> json.loads('"\\ud83d\\ude00"')
'😀'
除了字符串中需要雙引號外,您的示例接近 JSON 的ensure_ascii=True
字符串輸出。 它包含 U+FFFF 以上 Unicode 字符的 Unicode 轉義高/低代理。
請注意unicode-escape
編解碼器不能單獨用於轉換。 它將創建一個帶有代理的 Unicode 字符串,這是非法的。 您將無法打印或編碼用於序列化的字符串。
>>> s = "\\ud83d\\ude00"
>>> s = s.encode('ascii').decode('unicode-escape')
>>> s
'\ud83d\ude00'
>>> print(s) # UnicodeEncodeError: surrogates not allowed
將surrogatepass
錯誤處理程序與utf-16
編解碼器一起使用,您可以撤消代理並正確解碼字符串。 請注意,這也將解碼非代理轉義碼:
>>> s = "Hello\\u9a6c\\u514b\\ud83d\\ude00"
>>> s.encode('ascii').decode('unicode-escape').encode('utf-16', 'surrogatepass').decode('utf-16')
'Hello馬克😀'
以下代碼將 Unicode 代理替換為其 Unicode 代碼點。 如果您有其他非代理 Unicode 轉義,它也會用它們的代碼點替換它們。
import re
def process(m):
'''process(m) -> Unicode code point
m is a regular expression match object that has groups below:
1: high Unicode surrogate 4-digit hex code d800-dbff
2: low Unicode surrogate 4-digit hex code dc00-dfff
3: None
OR
1: None
2: None
3: Unicode 4-digit hex code 0000-d700,e000-ffff
'''
if m.group(3) is None:
# Construct code point from UTF-16 surrogates
hi = int(m.group(1),16) & 0x3FF
lo = int(m.group(2),16) & 0x3FF
cp = 0x10000 | hi << 10 | lo
else:
cp = int(m.group(3),16)
return chr(cp)
s = "Hello\\u9a6c\\u514b\\ud83d\\ude00"
s = re.sub(r'\\u(d[89ab][0-9a-f]{2})\\u(d[cdef][0-9a-f]{2})|\\u([0-9a-f]{4})',process,s)
print(s)
輸出:
Hello馬克😀
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.