Question

使用Python3来减少处理Unicode时的痛苦，我可以打印UTF-8字符：

>>> print (u'\u1010')
တ

但是当尝试用UTF-16做同样的事情时，让我们说U+20000，u'\u20000'是初始化角色的错误方法：

>>> print (u'\u20000')
    0
>>> print (list(u'\u20000'))
['\u2000', '0']

它改为读取2个UTF-8字符。

我也尝试过大U，即u'\U20000'，但它会抛出一些转义错误：

>>> print (u'\U20000')
  File "<stdin>", line 1
SyntaxError: (unicode error) 'unicodeescape' codec can't decode bytes in position 0-6: truncated \UXXXXXXXX escape

字符串外面的大U也不起作用：

>>> print (U'\u20000')
 0
>>> print (U'\U20000')
  File "<stdin>", line 1
SyntaxError: (unicode error) 'unicodeescape' codec can't decode bytes in position 0-6: truncated \UXXXXXXXX escape

Answer 1

这些不是UTF-8和UTF-16文字，而只是unicode文字，它们的含义相同：

>>> print(u'\u1010')
တ
>>> print(u'\U00001010')
တ
>>> print(u'\u1010' == u'\U00001010')
True

第二种形式只允许您指定U + FFFF以上的代码点。

如何以最简单的方式执行此操作：将源文件编码为UTF-8（或UTF-16），然后您只需编写u"တ"和u""。

UTF-8和UTF-16是将这些编码为字节的方法。技术上，UTF-8是"\xf0\xa0\x80\x80"（我可能写成u"".encode("utf-8")）。

Answer 2

正如@Mark Ransom所述，Python的UTF16 \U表示法需要八个字符才能正常工作。

因此，要使用的Python代码是：

u"\U00020000"

列于this page：

Python源代码u＆＃34; \ U00020000＆＃34;

如何在代码中初始化UTF-16？

2 个答案: