在python2+GTK中检测/删除未配对的代理项字符

Question

在python2.7中，我可以成功地将Unicode字符串"abc\udc34xyz"转换为UTF-8（结果是"abc\xed\xb0\xb4xyz"）。但是，当我把UTF-8字符串传递给例如pango_parse_markup()或g_convert_with_fallback()时，我会得到诸如“转换输入中的无效字节序列”之类的错误。显然，GTK/Pango函数检测字符串中的“未配对代理项”，并且（正确吗？）拒绝它。在

python3甚至不允许将Unicode字符串转换为UTF-8（错误：“'UTF-8'codec无法对位置3中的字符'\udc34'进行编码：不允许使用代理项”），但我可以运行"abc\udc34xyz".encode("utf8", "replace")来获取有效的UTF8字符串，其中唯一的代理项被其他字符替换。这对我来说很好，但是我需要一个Python2的解决方案。在

所以问题是：在Python2.7中，如何将Unicode字符串转换为UTF-8，同时用U+FFFD等替换字符替换单独的代理项？最好只使用标准的Python函数和GTK/GLib/G。。。应该使用函数。在

顺便说一句，Iconv可以将字符串转换为UTF8，但只需删除错误字符，而不是用U+FFFD替换它。在

Answer 1

以下是解决这个问题的方法：

invalid_string.encode('utf16').decode('utf16', 'replace')

我的理解是代理对是UTF-16的一部分，这就是为什么用UTF-8进行编码/解码没有任何作用。在