Unicode表示为格式化的Unicode？

Question

我在理解unicode表达式到它们各自的字符的翻译时遇到了一些困难。我一直在研究unicode规范，遇到了各种格式的字符串U+1F600。据我所见，似乎没有一个内置函数知道如何将这些字符串转换为Python的正确格式，例如\U0001F600。在

在我的程序中，我做了一个小正则表达式，它将找到这些U\+.{5}模式，并将U+替换为\U000。但是，我发现这种语法对于所有unicode字符都是不一样的，例如实际上应该从U+200D转换为\u200D的零宽度联接。在

因为我不知道正确的unicode转义序列的每个变体，所以处理这种情况的最佳方法是什么？是因为这些特殊字符的数量有限，我只能检查一下，还是说我完全走错了路？在

Python版本是2.7。

Answer 1

U+NNNN只是用于讨论Unicode的常用符号。Python对于单个Unicode字符的语法是：

• u'\xNN'对于通过U+00FF的Unicode字符
• u'\uNNNN'对于通过U+FFFF的Unicode字符
• u'\U00NNNNNN'对于通过U+10FFFF的Unicode字符（最大值）

注意：N是十六进制数字。

输入字符时使用正确的符号。您可以使用较长的符号，即使是低字符：

u'A' == u'\x41' == u'\u0041' == u'\U00000041'

通过编程，您还可以使用unichr(n)（python2）或chr(n)（python3）生成正确的字符。

请注意，在Python3.3之前，有Python的Unicode版本。unichr/chr只能支持sys.maxunicode，窄版本中为65535（0xFFFF），宽版本为1114111（0x10FFFF）。python3.3统一了构建，并用Unicode解决了许多问题。

如果您正在处理U+NNNN格式的文本字符串，这里有一个正则表达式（python3）。它查找U+和4-6个十六进制数字，并将它们替换为chr()版本。请注意，ASCII字符（Python2）或可打印字符（Python3）将显示实际字符，而不是转义版本。

^{pr2}$

Answer 2

我认为最可靠的方法是将数字解析为整数，然后使用unichr查找该代码点：

unichr(0x1f600)  # or: unichr(int('1f600', 16))

注意：在python3上，它只是chr。

Answer 3

您可以查看json模块实现。似乎不是那么简单：

# Unicode escape sequence
uni = _decode_uXXXX(s, end)
end += 5
# Check for surrogate pair on UCS-4 systems
if sys.maxunicode > 65535 and \
0xd800 <= uni <= 0xdbff and s[end:end + 2] == '\\u':
    uni2 = _decode_uXXXX(s, end + 1)
    if 0xdc00 <= uni2 <= 0xdfff:
        uni = 0x10000 + (((uni - 0xd800) << 10) | (uni2 - 0xdc00))
        end += 6
char = unichr(uni)

（来自cpython-2.7.9/Lib/json/解码器.py第129-138行）

我认为直接使用json.loads会更容易：

^{pr2}$