将字符串转换为 unicode 转义序列

Question

如何转换字符串，以便每个字符都替换为相应的 Unicode 转义序列？

类似：

def unicode_escape(s):
    """How do I write this?"""

print(unicode_escape("Hello, World!\n"))
# should print \u0048\u0065\u006C\u006C\u006F\u002C\u0020...

Answer 1

ord()

函数返回字符的 Unicode 代码点。只需将其格式化为

\u

，后跟 4 位十六进制表示形式即可。

def unicode_escape(s):
    return "".join(map(lambda c: rf"\u{ord(c):04x}", s))
print(unicode_escape("Hello, World!\n"))
# prints \u0048\u0065\u006c\u006c\u006f\u002c\u0020\u0057\u006f\u0072\u006c\u0064\u0021\u000a

Answer 2

def encode(s):
    ret = []
    for c in s:
        n = ord(c)
        ret.append("\\u{:04x}".format(n))
    return "".join(ret)
#


print(encode("aeiouäöüßéá€æÆΑαΒβΓγ"))

Answer 3

现有的两个答案并不完全错误，但它们不适用于 0x10000 到 0x10FFFF 的字符；例如，

\u10000

将被解析为字符串中的

\u1000

，后跟

0

。

应相应添加条件检查；根据个人喜好，您可能还希望将 0xFF 及以下使用

\x

而不是

\u

:

def convert_to_unicode_escape_sequence(char: str) -> str:
  char_code = ord(char)

  if char_code <= 0xFF:
    return fr'\x{char_code:02x}'

  if char_code <= 0xFFFF:
    return fr'\u{char_code:04x}'
  
  return fr'\U{char_code:08x}'

convert_to_unicode_escape_sequence('\x00')        # '\\x00'
convert_to_unicode_escape_sequence('\x61')        # '\\x61'
convert_to_unicode_escape_sequence('\u0100')      # '\\u0100'
convert_to_unicode_escape_sequence('\U00010000')  # '\\U0001000'

或者，

ascii()

可能会派上用场：

ascii('\x00')        # "'\\x00'"
ascii('\u0100')      # "'\\u0100'"
ascii('\U00010000')  # "'\\x00'"

返回的值是一个字符串，包含两个单引号、一个反斜杠、一个

x

/

u

/

U

以及相应的十六进制数字。请注意，

ascii()

不会将字符从 0x20（空格）转换为 0x7E（波浪线）：

ascii('a')  # "'a'"

这有点无关紧要，但反斜杠（0x5C）得到特殊处理：

ascii('\\')  # "'\\\\'"

考虑到这一点，新的实现将如下所示：

def convert_to_unicode_escape_sequence(char):
  if ' ' <= char <= '~':
    return fr'\x{char_code:02x}'

  return ascii(char)[1:-1]  # Strip the quotes

不过，这看起来很像黑客。