解开 Facebook 反应编码？

Question

我已经下载了 JSON 格式的 Facebook 数据，并希望对其进行分析。它包含如下部分：

{
          "reaction": "\u00e2\u009d\u00a4",
          "actor": "..."
},

这里的反应是一颗心。然而，如果我用 Python 打印它，显然它只是那些 unicode 字符 (â¤)，而不是心形。

有谁知道是否有某个地方包含 Facebook 的所有反应编码？

Answer 1

心形表情符号字符在 Unicode 中编码为 U+2764。在 UTF-8 编码形式中，该字符将表示为三个字节的序列，

0xE2 0x9D 0xA4

。

Facebook 混淆了 UTF-8 编码形式和 Unicode 代码点。由于它使用

\uxxxx

格式转义字符，因此应将其表示为

\u2764

。但相反，在格式化转义序列时，它（错误地）采用 UTF-8 字节序列并重新解释每个字节，就好像它是一个完整的字符一样。

（不幸的是，仍然有太多产品在处理 UTF-8 编码字符串时犯类似的错误。例如，当显示来自流媒体服务的音乐曲目详细信息时，我在车中看到过这种情况。每当您看到两个垃圾序列时，来自 Unicode Latin-1 Suplement block 的三个或四个字符，这就是正在发生的事情。）

您可以在 https://emojipedia.org/facebook 找到有关 Facebook 反应和（最近的）对应 Unicode 表情符号字符的信息。