Python unicode码点到unicode字符

Question

我正在尝试将一些中文、俄文或各种非英文字符集写到一个平面文件中，以便进行测试。我遇到了如何将Unicode十六进制或十进制值输出到相应字符的问题。

例如，在Python语言中，如果你有一个像абвгдежзийкл这样的硬编码字符集，你可以分配value = u"абвгдежзийкл"，这是没有问题的。

但是，如果您在一个变量中存储了一个十进制或十六进制，比如1081 / 0439，并且您想打印出它对应的实际字符(而不仅仅是输出0x439)，那么该怎么做呢？上面的Unicode十进制/十六进制值引用了й。

Answer 1

Python 2：使用unichr()

>>> print(unichr(1081))
й

Python 3：使用chr()

>>> print(chr(1081))
й

Answer 2

所以这个问题的答案是：

使用int(hex_value, 16)

• then将十六进制值转换为十进制，使用chr().

获取相应的字符串

总结一下：

>>> print(chr(int('0x897F', 16)))
西

Answer 3

在处理一个包含解析一些JSON的项目时，我遇到了一个类似的问题。我有很多字符串，所有非ASCII字符都像这样转义：

>>> print(content)
\u0412\u044B j\u0435\u0441\u0442\u0435 \u0438\u0437 \u0420\u043E\u0441\u0441\u0438\u0438?
...
>>> print(content)
\u010Cemu jesi na\u010Dinal izu\u010Dati med\u017Euslovjansky jezyk?

使用unichr()逐个符号地转换这样的混合将是乏味的。我最终决定的解决方案是：

content.encode("utf8").decode("unicode-escape")

第一个操作(编码)产生如下的字节串：

b'\\u0412\\u044B j\\u0435\\u0441\\u0442\\u0435 \\u0438\\u0437 \\u0420\\u043E\\u0441\\u0441\\u0438\\u0438?'
b'\\u010Cemu jesi na\\u010Dinal izu\\u010Dati med\\u017Euslovjansky jezyk?'

第二个操作(解码)将字节字符串转换为Unicode字符串，但用\替换了\\，这将对字符进行“解包”，结果如下：

Вы jесте из России?
Čemu jesi načinal izučati medžuslovjansky jezyk?