参考这个问题:Emoji 上传到 Big Query 时崩溃
我正在寻找最好、最干净的方法来将表情符号从这个
\ud83d\ude04
类型编码到这个(Unicode) - \U0001f604
因为目前,除了创建将通过文本文件传递的 python 方法之外,我没有任何想法并替换表情符号编码。
这是可以转换的字符串:
在 python 3 中将表情符号转换为 Unicode,反之亦然
作为假设,也许需要逐行传递文本并进行转换??
潜在想法:
with open(ff_name, 'rb') as source_file:
with open(target_file_name, 'w+b') as dest_file:
contents = source_file.read()
dest_file.write(contents.decode('utf-16').encode('utf-8'))
因此,我假设您以某种方式获得了一个原始 ASCII 字符串,其中包含带有形成代理项对的 UTF-16 代码单元的转义序列,并且您(无论出于何种原因)想要将其转换为
\UXXXXXXXX
格式。
因此,从今以后我假设您的输入(字节!)如下所示:
weirdInput = "hello \\ud83d\\ude04".encode("latin_1")
现在您想要执行以下操作:
\uXXXX
事物转换为 UTF-16 代码单元的方式解释字节。有raw_unicode_escapes
,但不幸的是它需要单独的pass来修复代理对(说实话,我不知道为什么)latin_1
,仅由旧版 ASCII 和格式为 \UXXXXXXXX
的 Unicode 转义序列组成。类似这样的:
output = (weirdInput
.decode("raw_unicode_escape")
.encode('utf-16', 'surrogatepass')
.decode('utf-16')
.encode("raw_unicode_escape")
.decode("latin_1")
)
现在如果你
print(output)
,你会得到:
hello \U0001f604
请注意,如果您在中间阶段停止:
smiley = (weirdInput
.decode("raw_unicode_escape")
.encode('utf-16', 'surrogatepass')
.decode('utf-16')
)
然后你会得到一个带有笑脸的 Unicode 字符串:
print(smiley)
# hello 😄
完整代码:
weirdInput = "hello \\ud83d\\ude04".encode("latin_1")
output = (weirdInput
.decode("raw_unicode_escape")
.encode('utf-16', 'surrogatepass')
.decode('utf-16')
.encode("raw_unicode_escape")
.decode("latin_1")
)
smiley = (weirdInput
.decode("raw_unicode_escape")
.encode('utf-16', 'surrogatepass')
.decode('utf-16')
)
print(output)
# hello \U0001f604
print(smiley)
# hello 😄
\ud83d\ude04
是字符的 utf16 表示 SMILING FACE WITH OPEN MOUTH AND SMILING EYES (U+1F604)
您需要将其解码为字符,然后将字符的代码点转换为十六进制字符串。我对 Python 的了解不够,无法告诉你如何做到这一点。