如何将 "\uxxxx\uxxxx" 转换为 u'\Uxxxxxxxx'？

Question

我有一个用 unicode 字符填充为 "\ud83d\udca5" 的文本文件，但 python 似乎不喜欢它们。
但是如果我用u'\U0001f4a5' 替换它，这似乎是他的python 逃逸风格（Charbase），它就可以工作。

有没有办法将它们全部转换成python无法理解的u"\Uxxxxxxxx"转义格式？

谢谢。

Answer 1

您混淆了 Unicode 和编码字符串。 u'\U0001f4a5' 是一个 Unicode 对象，Python 用于处理字符串的内部数据类型。 （在 Python 3 中，u 是可选的，因为现在 所有 字符串都是 Unicode 对象）。

另一方面，文件使用编码。 UTF-8 是最常见的一种，但它只是将 Unicode 对象存储在面向字节的文件或流中的一种方式。打开此类文件时，您需要指定编码，以便 Python 可以将字节转换为有意义的 Unicode 对象。

在您的情况下，您似乎需要使用UTF-16 编解码器而不是UTF-8 打开文件。

with open("myfile.txt", encoding="utf-16") as f:
    s = f.read()

如果编解码器实际上是UTF-16，将为您提供正确的内容。如果看起来不正确，请尝试"utf-16-le" 或"utf-16-be"。