我有一个用 Python 3 编写的模块，其中一个功能是将 unicode 字符转换为代码点（例如，使用 ord('????' 将 ???? 转换为 127921）。
现在我需要转换此代码以使其适用于 Python 2，但 ord() 不适用于具有非 ascii 字符的 Python 2。
我曾尝试使用'????'.encode('utf8') 或'????'.encode('hex')，但无济于事。
查看__futures__ 包，似乎没有帮助。
我在这里错过了什么？
【问题讨论】：
标签： python-2.7 unicode encoding
您不能以简单的方式做到这一点：查看ord 手册页：https://docs.python.org/2/library/functions.html#ord：python2 仅支持 UCS2（因此代码低于 65536）。
注意：您应该在 unicode 字符串前面加上 u。
你应该手动计算
to_decode = u'?'
code = ord(to_decode[0])
if code >= 0xd800 and code <= 0xdbff:
# we have surrogates
code = (code - 0xd800) * 1024 + (ord(to_decode[1]) - 0xdc00) + + 0x010000
附录：为什么？：
最初的 Unicode 设想 16 位编码就足够了（这解释了 Han/Kana（中文/日文）和韩文特殊实现的合并）。这给出了从 0 到 65535 的代码点，通常编码为 UCS2。 Python 2 使用这种编码。
当注意到 16 位不够用时，Unicode 找到了使用更多位的方法：使用“代理”：使用两个“16 位字符”（第一个“代码”中的 10 位，但在0xD800..0xDBFF，第二个“代码”中的 10 位放入 0xDC00..0xDFFF，并添加 65536（最后一点确保没有双重方式来编码字符（并进一步扩展 unicode 范围）。
UTF-16 是 UCS2 加上代理项的解释（在 Unicode 中指定）。但是python2使用UCS2。如果你尝试使用len(to_decode)，你会得到2（两个代理代码点/UCS2 字符，而不是1 Python3 中的代码点）。上面的代码，使用普通的ord获取代码点（参数为unicode类型而不是string类型），但如果发现第一个字符是代理，则翻译它（无需额外检查）。 https://en.wikipedia.org/wiki/UTF-16#U+10000_to_U+10FFFF 解释计算。注意：Unicode 指定代理代码永远不会被分配为代码点，因此上述函数对于普通 UCS2 也应该是安全的。
您可能应该修改代码以扫描字符串（有些字符放在一个 unicode（作为 python2 类型）字符中，有些放在两个字符中。
我建议尽可能使用 Python3：他们修复了 unicode，但没有像在 python2 或其他语言中那样的变通方法（因此容易出错且更复杂）。
【讨论】：