Python:将Unicode代码点文件名转换为字符串

Question

我使用Python的zipfile模块来提取.zip文件，它可以包含带有Unicode文件名的文件。WinZip和7-Zip存档工作正常，但WinRAR对文件名的编码略有不同。假设我创建了一个zip文件，其中包含一个名为"-★-私-“的文件，并使用以下方式解压它：

with zipfile.ZipFile(zip_file_path, 'r') as zf:
    zf.extractall(extract_dir)

它将"-★-私-“提取为”#U 2605-#U79c1-“。ZipInfo对象的文件名不是编码的，它只是一个包含输出文件名的常规ASCII字符串。

我想将包含Unicode代码点U-2605和U-79C1的字符串转换为有用的、可输出的Unicode字符串。所以我写了这个，但是它不能正确地转换字符：

string = codePoints.replace('#U', '\\u').encode('utf-8')

不管怎么说，我哪里错了？如果我这么做了，我就不会得到同样的结果了：

string = '-\u2605-\u79c1-'.encode('utf-8')

(假设Python 3；在Python 2中，我会以"u“字符作为前面的字符串的前缀。)

Answer 1

我不知道这是不是你想要的：

>>> cp = '#U79c1'
>>> chr(int(cp[2:],16))
'私'

例如：

#! /usr/bin/python3
import re

def makeNice(s):
    return re.subn('(#U[0-9a-f]{4})', lambda cp: chr(int(cp.groups()[0][2:],16)), s) [0]

a = '-#U2605-#U79c1-'
print(a, makeNice(a))

版画

-#U2605-#U79c1- -★-私-