为什么有些表情符号没有转换回它们的表示形式？

Question

我正在开发表情符号检测模块。对于某些表情符号，我观察到奇怪的行为，即在将它们转换为 utf-8 编码后，它们没有转换回其原始表示形式。我需要将它们的确切颜色表示作为 API 响应发送，而不是发送 unicode 转义字符串。有什么线索吗？

In [1]: x = "example1: ???? and example2: ???? and example3: ????" 

In [2]: x.encode('utf8')                                                                                                                                                                                                          
Out[2]: b'example1: \xf0\x9f\xa4\xad and example2: \xf0\x9f\x98\x81 and example3: \xf0\x9f\xa5\xba'

In [3]: x.encode('utf8').decode('utf8')                                                                                                                                                                                           
Out[3]: 'example1: \U0001f92d and example2: ???? and example3: \U0001f97a'

In [4]: print( x.encode('utf8').decode('utf8')  )                                                                                                                                                                                 
*example1: ???? and example2: ???? and example3: ????*

Link Emoji used in example

更新 1： 通过这个例子，它必须更清楚地解释。在这里，当我发送 unicode 转义字符串时，会呈现两个表情符号，但第三个示例无法转换精确的表情符号，这种情况下该怎么办？

Answer 1

'\U0001f92d' == '?' 是 True。它是一个转义码，但仍然是同一个字符......两种显示/输入方式。前者是字符串的repr()，打印调用str()。示例：

>>> s = '?'
>>> print(repr(s))
'\U0001f92d'
>>> print(str())
?
>>> s
'\U0001f92d'
>>> print(s)
?

当 Python 生成 repr() 时，如果它认为显示器无法处理字符，它会使用转义码表示。字符串的内容还是一样的……Unicode码位。

这是一个调试功能。例如，空格是空格还是制表符？字符串的repr() 通过使用\t 作为转义码来明确。

>>> s = 'a\tb'
>>> print(s)
a       b
>>> s
'a\tb'

至于为什么一个表情符号使用转义码而不是另一个，这取决于使用的 Python 版本支持的 Unicode 版本。

Pyton 3.8 使用 Unicode 9.0，您的表情符号之一未在该版本级别定义：

>>> import unicodedata as ud
>>> ud.unidata_version
'9.0.0'
>>> ud.name('?')
'GRINNING FACE WITH SMILING EYES'
>>> ud.name('?')
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
ValueError: no such name