Question

我正在尝试将转义的Unicode转换为表情符号。

示例：

>>> emoji = ""
>>> emoji_text = "\\ud83d\\ude00"
>>> print(emoji)

>>> print(emoji_text)
\ud83d\ude00

我想打印

而不是“ \ ud83d \ ude00”

我发现了一个简单有效的技巧，但不实用：

>>> import json
>>> json.loads('"\\ud83d\\ude00"')
''

Answer 1

您的示例与JSON的ensure_ascii=True字符串输出相似，除了在字符串中需要双引号之外。它包含U + FFFF上方的Unicode字符的Unicode转义的高/低替代。

请注意，unicode-escape编解码器不能用于转换。它将创建带有替代字符的Unicode字符串，这是非法的。您将无法打印或编码该字符串以进行序列化。

>>> s = "\\ud83d\\ude00"
>>> s = s.encode('ascii').decode('unicode-escape')
>>> s
'\ud83d\ude00'
>>> print(s)  # UnicodeEncodeError: surrogates not allowed

以下代码将Unicode替代替换为其Unicode代码点。如果您还有其他非代理Unicode转义符，它也会将其替换为它们的代码点。

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)

输出：

Hello马克

在Python中将Unicode转义为Emoji

1 个答案: