打印一个 unicode 字符串与打印每个字符，它不匹配什么？

Question

s = u'\U0001031e\U0001031d\U0001015c\U0001015d\U00010170\U0001014b\U00010169\U0001016a\U0001016c\xa6\U0001d32c\U0001010c\U0001013a\U00010109\U0001010b\U0001010d\U0001010f\U0001011c\U0001d1ca\U000201b3\U0001016d\U00010184\U00010184'
print s
for a in s: print a, repr(a)

我使用 mac os x lion，python 272，字符串打印正常，但循环打印 '???'以及不正确的 u'\u' unicode 值。

这里是打印的值：

u'\ud800' u'\udf1e' u'\ud800' u'\udf1d' u'\ud800' u'\udd5c' u'\ud800' u'\udd5d' u'\ud800' u'\udd70' u'\ud800' u'\udd4b' u'\ud800' u'\udd69' u'\ud800' u'\udd6a' u'\ud800' u'\udd6c' u'\xa6' u'\ud834' u'\udf2c' u'\ud800' u'\udd0c' u'\ud800' u'\udd3a' u'\ud800' u'\udd09' u'\ud800' u'\udd0b' u'\ud800' u'\udd0d' u'\ud800' u'\udd0f' u'\ud800' u'\udd1c' u'\ud834' u'\uddca' u'\ud840' u'\uddb3' u'\ud800' u'\udd6d' u'\ud800' u'\udd84' u'\ud800' u'\udd84'

Answer 1

您在 UCS2 Python 版本中打印 4 字节 Unicode 字符，这些字符在内部存储为每个字符 2 个，UTF-16 surrogate pair。副作用之一是 \uffff 以上的任何 Unicode 字符都被打印为这样的对；前导字符是\uD800 和\uDBFF 之间的值，后跟\uDC00 到\uDFFF 范围内的第二个字符。

您需要重新编译您的 python 以支持宽 Unicode 字符，或升级到 python 3.3，它具有新的内部 Unicode 表示，可根据需要在 1、2 和 4 字节宽字符之间切换。

您可以通过查看sys.maxunicode 来测试您的 python unicode 支持；如果该系统值等于 65535，则您有一个窄（默认）构建，在一个宽构建中，该值为 1114111。

Mac 的默认 python 是窄的 Unicode 构建；最新的 Linux 发行版启用了宽 unicode 标志。