Question

这些不同种类的unicode ascii表示的名称是什么？

\xF0\x9F\x98\xA2
\U0001f622

他们所属的集合中是否有一个术语比“表示”更具体？在这些情况下，我将如何描述非ascii表示（）？

由于我不知道该怎么称呼它们，因此很难找到如何使用它们。

谢谢！

Answer 1

正如Tom Blodget已经警告过你，这是一个特定的python特定答案。

前导\表示它是一个转义序列。

\x表示接下来的两个字符将被解释为十六进制数字。

\U表示接下来的八个字符将被解释为32位十六进制值。

您可以在此处详细了解：

https://docs.python.org/3/reference/lexical_analysis.html#string-and-bytes-literals

完全回答你的问题：

\xF0\x9F\x98\xA2只是四个ASCII字符，你有十六进制值
\U0001f622是使用32位十六进制值编码的UNICODE代码点
是一个字形或只是一个特殊字符。

Answer 2

对于Python 3

首先，似乎存在关于十字转义的误解：

print("\xF0\x9F\x98\xA2" == "\u00F0\u009F\u0098\u00A2")
print("\xF0\x9F\x98\xA2" == "\U000000F0\U0000009F\U00000098\U000000A2")
print("\xF0\x9F\x98\xA2" == "\U000000F0\U0000009F\U00000098\U000000A2")
print("\xF0\x9F\x98\xA2" == "\N{LATIN SMALL LETTER ETH}\N{APPLICATION PROGRAM COMMAND}\N{START OF STRING}\N{CENT SIGN}")

并且为了完整性（我记得在机器代码中有效使用八进制，其中一些指令有3位对齐的参数，但我没有看到实际编程中的重点）：

print("\xF0\x9F\x98\xA2" == "\360\237\230\242")

它们似乎都是Unicode 代码点转义为2位十六进制，4位十六进制和8位十六进制，范围从U + 0000到U + 00FF，U + FFFF，和U + 10FFFF。

我们可以确认，与其他语言不同的是，\ u for是UTF-16代码单元，在Python 3中，它实际上是一个代码点。

print("\ud83d\ude22" == "\U0000d83d\U0000de22")

并且为了完整性：

print("\U0001f622" == "")
print("\N{CRYING FACE}" == "")

在其他语言（它们是两个UTF-16代码单元）中，"\ud83d\ude22"等于""。

现在，U + D8ED和U + DE22是指定为代理的Unicode代码点。换句话说，不是字符。它们为具有相应值的UTF-16代码单元保留代码点代码空间。当Unicode从2 ^ 16个代码点扩展到2 ^ 21个代码点时，这就是将USC-2编码的Unicode透明地扩展到UTF-16的方式。有关详细信息，请参阅Unicode FAQ。

正如@Robᵩ指出的那样，你也可以有一个bytestring文字：

print("\U0001f622".encode("utf-8") == b"\xF0\x9F\x98\xA2")

Python 2.7：unicode表示的名称

2 个答案: