Python unicode 字符串 - 位置

Question

我坚持在字符串中获取位置。 我读了一个文件的内容

with io.open(testfile, 'r', encoding='utf-8') as f

\u2705 Offizielle Kan\u00e4le \ud83c\udde9\ud83c\uddea  \ud83c\udde6\ud83c\uddf9 \ud83c\udde8\ud83c\udded\n@GET_THIS_STING

我该怎么办 - “\u2705” 算作 1 个字母？ 那么位置 36 将是 @GET_THIS_STING 的开始

--== 编辑 ==-- 我现在可以更好地说明问题所在：

import json
from io import open

line = '{"message":{"message_id":3052,"text":"\u2705 Offizielle Kan\u00e4le \ud83c\udde9\ud83c\uddea  \ud83c\udde6\ud83c\uddf9 \ud83c\udde8\ud83c\udded\\n@GET_THIS_STING\\n123456789","entities":[{"offset":36,"length":26,"type":"mention"}]}}'
myjson = json.loads(line)
text = myjson.get("message", {}).get("text", None)
print(str(text).encode('utf-8', 'replace').decode())
print("string length: " + str(len(text)))
print(text[36:36+15])

print("-------------")

with open("/home/pi/telegram/phpLogs/test.txt", 'r', encoding='utf-8', errors="surrogateescape") as f:
    for line in f:
        myjson = json.loads(line)

        text = myjson.get("message", {}).get("text", None)
        print(text)
        print("string length: " + str(len(text)))
        print(text[36:36+15])

结果：

✅ Offizielle Kanäle ????  ???? ????
@GET_THIS_STING
123456789
string length: 61
@GET_THIS_STING
-------------
✅ Offizielle Kanäle ????????  ???????? ????????
@GET_THIS_STING123456789
string length: 54
HIS_STING123456

因此，当我将代码 (UTF-8) 中的字符串作为变量 (String) 时，一切正常。 但是当我创建一个包含内容的文件并阅读它时

"{"message":{"message_id":3052,"text":"\u2705 Offizielle Kan\u00e4le \ud83c\udde9\ud83c\uddea  \ud83c\udde6\ud83c\uddf9 \ud83c\udde8\ud83c\udded\\n@GET_THIS_STING\\n123456789","entities":[{"offset":36,"length":26,"type":"mention"}]}}"

我总是收到“错误”的结果 :( 所以读取文件是我的问题，因为之后的字符串不一样——甚至长度都不一样！

Answer 1

如果这个字符串代表✅ Offizielle Kanäle ?? ?? ??，正如@scribe 的回答所建议的那样，那么我认为你遇到了这里提到的问题：Converting to Emoji

因此我建议更换

with io.open(testfile, 'r', encoding='utf-8') as f:
    text = f.read() # you didn't show it but probably that's what you have done

与

with open(testfile, 'r', encoding='ascii') as f:
    text = json.load(f)

或者，如果文件是“JSON 行”而不是单个 JSON：

with open(testfile, 'r', encoding='ascii') as f:
    for line in f:
        text = json.loads(line)

然后text 将是一个正确的Unicode 字符串，所以text[36:] 应该会得到你想要的。

Answer 2

如果您的文件 text.txt 确实包含，

\u2705 Offizielle Kan\u00e4le \ud83c\udde9\ud83c\uddea  \ud83c\udde6\ud83c\uddf9 \ud83c\udde8\ud83c\udded\n@GET_THIS_STING

试试：

with open('text.txt', 'r', encoding='utf-8') as f:
    str = f.read()
    normal_str = ''
    i, n = 0, 0
    while i < len(str):
        if str[i: i + 2] == '\\u':
            i += 6
            normal_str += 'x'
        elif str[i: i + 2] == '\\n':
            i += 2
            normal_str += 'x'
        else:
            normal_str += str[i]
            i += 1
        n += 1
    print(normal_str)
    print(normal_str[36:36 + 15])

而且，这个输出：

x Offizielle Kanxle xxxx  xxxx xxxxx@GET_THIS_STING

@GET_THIS_STING

使用看起来像这样的文件text.txt，

✅ Offizielle Kanäle ??  ?? ??
@GET_THIS_STING

我们可以，

with open('text.txt', 'r', encoding='utf-8') as f:
    str = f.read()
    index = str.find('@')
    print('char @ is at index: {}'.format(index))
    print(str[index:])

它输出，

char @ is at index: 30
@GET_THIS_STING