表情符号的 Python3 src 编码

Question

我想从 python(3) src 打印表情符号

我正在开展一个分析Facebook Message histories 的项目，在下载的原始 htm 数据文件中，我发现很多表情符号显示为带有问号的框，就像无法显示值时一样。如果我将这些符号作为字符串复制粘贴到终端中，我会得到诸如\U000fe328 之类的值。这也是我通过 BeautifulSoup 运行 htm 文件并输出数据时得到的输出。

我在 Google 上搜索了这个字符串（和其他字符串），并且始终提供它们的唯一网站之一是 iemoji.com，在上述字符串 this page 的情况下，该字符串将字符串列为 Python Src。我希望能够将这些字符串打印为它们对应的表情符号（毕竟，它们在收到消息时最初是表情符号），环顾四周后，我发现了一个 src 编码at this page 的映射，它将上面的类似字符串映射到表情符号字符串名称。然后我找到了this emoji string names to Unicode 列表，大部分似乎将表情符号名称映射到 Unicode。如果我尝试打印出这些值，我会得到很好的输出。喜欢关注

>>> print(u'\U0001F624')
????

有没有办法将这些“Python src”编码映射到它们的 unicode 值？如果不是因为原始 src 映射丢失了 unicode 库中大约 50% 的 unicode 值，那么链接这两个库将起作用。如果我最终不得不这样做，有没有一种好方法可以找到给定表情符号的 Python Src 值？根据我的测试表情符号字符串等于它们的 Unicode，例如'????' == u'\U0001F624'，但我似乎无法与\U000fe328 建立任何关系

Answer 1

这与 Python 无关。像\U000fe328 这样的转义只包含一个代码点的十六进制表示，所以这个是U+0FE328（这是一个私人使用的字符）。

现在很多表情符号被分配给代码点，例如。 ? 是U+01F624 — FACE WITH LOOK OF TRIUMPH。

在分配这些之前，各种程序使用private use ranges 中的各种代码点来表示表情符号。 Facebook 显然使用了私人使用字符U+0FE328。从这些代码点到标准代码点的映射是任意的。其中一些可能根本没有标准等效项。

因此，您需要查找的是一个表格，该表格告诉您这些旧分配中的哪些对应于哪个标准代码点。

GitHub 上的 php-emoji 似乎包含这些映射。但请注意，这是 PHP 代码，字符表示为 UTF-8（例如，上面的字符将是 "\xf3\xbe\x8c\xa8"）。