python將unicode代碼值轉換為字符串，不帶'\\u\u0026#39;

Question

在下面的代碼中，

text = "\u54c8\u54c8\u54c8\u54c8"

有沒有辦法將上面的 unicode 代碼轉換為僅保留值，並從中刪除“\\u”。\u003c/b> 所以"\哈"變成了"54c8" 。

在 javascript 中，我可以執行text.charCodeAt(n).toString(16) ，但我無法在 python 中找出等效的解決方案。

我嘗試使用正則表達式來匹配它，

pattern = re.compile('[\u0000-\uFFFF]')

matches = pattern.finditer(text)

for match in matches:
    print(match)

但它所做的只是打印出 unicode 值代表的字符。

Answer 1

您可以使用常規列表中理解到4個字符映射在以上text ，並使用ord得到ord碼點的伊納勒（整數），然后hex()將其轉換為十六進制。 [2:]切片需要擺脫 Python 否則會添加的0x 。

>>> text = "\u54c8\u54c8\u54c8\u54c8"
>>> text
'哈哈哈哈'
>>> [hex(ord(c))[2:] for c in text]
['54c8', '54c8', '54c8', '54c8']
>>>

如果您需要單個字符串，則可以使用例如"".join() 。

（另一種編寫理解式的方法是使用 f 字符串和x十六進制格式：

>>> [f'{ord(c):x}' for c in text]
['54c8', '54c8', '54c8', '54c8']

)

如果您實際上有一個字符串\哈\哈\哈\哈 ，即“反斜杠，u，五，四，c，八”重復了 4 次，您需要首先解碼反斜杠轉義序列以獲得 4 碼點細繩：

>>> text = r"\u54c8\u54c8\u54c8\u54c8"
>>> codecs.decode(text, "unicode_escape")
'哈哈哈哈'

Answer 2

您可以這樣做：您可以忽略非 ASCII 字符並編碼為 ASCII，或者您可以編碼為 UTF-8

text = "\u54c8\u54c8\u54c8\u54c8"
utf8string = text.encode("utf-8")
asciistring1 = text.encode("ascii", 'ignore')
asciistring2 = text.encode("ascii", 'replace')

可以參考https://www.oreilly.com/library/view/python-cookbook/0596001673/ch03s18.html