在python 3中将表情符号转换为Unicode,反之亦然
Posted
技术标签:
【中文标题】在python 3中将表情符号转换为Unicode,反之亦然【英文标题】:Converting emojis to Unicode and vice versa in python 3 【发布时间】:2018-05-22 19:25:15 【问题描述】:我正在尝试在 python 3 中将表情符号转换为其 Unicode。例如,我将拥有表情符号 ????并由此想得到相应的 unicode 'U+1F600'。同样,我想将“U+1F600”转换回????。现在我已经阅读了文档并尝试了几个选项,但是 python 的行为在这里让我感到困惑。
>>> x = '????'
>>> y = x.encode('utf-8')
>>> y
b'\xf0\x9f\x98\x80'
表情符号被转换为字节对象。
>>> z = y.decode('utf-8')
>>> z
'????'
将字节对象转换回表情符号,到目前为止一切顺利。
现在,获取表情符号的 unicode:
>>> c = '\U0001F600'
>>> d = c.encode('utf-8')
>>> d
>>> b'\xf0\x9f\x98\x80'
这会再次打印出字节编码。
>>> d.decode('utf-8')
>>> '????'
这会再次打印表情符号。我真的不知道如何仅在 Unicode 和 emoji 之间进行转换。
【问题讨论】:
【参考方案1】:'?' 已经是一个 Unicode 对象。 UTF-8 不是 Unicode,它是 Unicode 的字节编码。要获取 Unicode 字符的代码点编号,可以使用 ord
函数。并以您想要的形式打印它,您可以将其格式化为十六进制。像这样:
s = '?'
print('U+:X'.format(ord(s)))
输出
U+1F600
如果你有 Python 3.6+,你可以通过使用 f-string 使它更短(更高效):
s = '?'
print(f'U+ord(s):X')
顺便说一句,如果您想创建像 '\U0001F600'
这样的 Unicode 转义序列,则可以使用 'unicode-escape'
编解码器。但是,它返回一个bytes
字符串,您可能希望将其转换回文本。您可以为此使用“UTF-8”编解码器,但也可以只使用“ASCII”编解码器,因为它保证只包含有效的 ASCII。
s = '?'
print(s.encode('unicode-escape'))
print(s.encode('unicode-escape').decode('ASCII'))
输出
b'\\U0001f600'
\U0001f600
我建议你看看 Stack Overflow 联合创始人 Joel Spolsky The Absolute Minimum Every Software Developer Absolutely, Positively Must Know About Unicode and Character Sets (No Excuses!) 的这篇短文。
【讨论】:
【参考方案2】:sentence = "Head-Up Displays (HUD)? for #automotive? sector\n \nThe #UK-based #startup? Envisics got €42 million #funding? from l… "
print("normal sentence - ", sentence)
uc_sentence = sentence.encode('unicode-escape')
print("\n\nunicode represented sentence - ", uc_sentence)
decoded_sentence = uc_sentence.decode('unicode-escape')
print("\n\ndecoded sentence - ", decoded_sentence)
输出
normal sentence - Head-Up Displays (HUD)? for #automotive? sector
The #UK-based #startup? Envisics got €42 million #funding? from l…
unicode represented sentence - b'Head-Up Displays (HUD)\\U0001f4bb for #automotive\\U0001f697 sector\\n \\nThe #UK-based #startup\\U0001f680 Envisics got \\u20ac42 million #funding\\U0001f4b0 from l\\u2026 '
decoded sentence - Head-Up Displays (HUD)? for #automotive? sector
The #UK-based #startup? Envisics got €42 million #funding? from l…
【讨论】:
以上是关于在python 3中将表情符号转换为Unicode,反之亦然的主要内容,如果未能解决你的问题,请参考以下文章