Python 8字符范围

Question

我使用一个用utf-8编码的文本文件，并用python读取其内容。读取内容后，我将文本拆分为字符数组。

import codecs

with codecs.open(fullpath,'r',encoding='utf8') as f:
    text = f.read()
    # Split the 'text' to characters

现在，我在对每个字符进行迭代。首先，将其转换为十六进制表示并在其上运行一些代码。

numerialValue = ord(char)

我注意到，在所有这些字符之间，有些字符超出了预期的范围。

预期最大值- FFFF。实际字符值- 1D463。

我把这段代码翻译成python。原始源代码来自C#，其值'\u1D463‘是无效字符。

​

​

被迷惑了。

Answer 1

您似乎用\u而不是\U来转义您的Unicode代码点(Unicode代码点)。前者期望四个十六进制数字，后者期望八个十六进制数字。根据的说法：

The condition was ch == '\u1D463'

当我在Python解释器中使用这个文字时，它不会抱怨，但它很高兴地摆脱了前四个十六进制数字，在cmd中运行时通常会打印3个字符：

 >>> print('\u1D463')
ᵆ3

您得到了这个异常：Expected max value - FFFF. Actual character value - 1D463，因为您使用的是不正确的unicode转义，所以使用\U0001D463而不是\u1D463。\u中字符代码点的最大值是\uFFFF，\U的最大值是\UFFFFFFFF。注意\U0001D463中的前导零，\U取8位十六进制数字，\u取4位十六进制数字：

>>> '\U1D463'
  File "<stdin>", line 1
SyntaxError: (unicode error) 'unicodeescape' codec can't decode bytes in position 0-6: truncated \UXXXXXXXX escape

>>> '\uFF'
  File "<stdin>", line 1
SyntaxError: (unicode error) 'unicodeescape' codec can't decode bytes in position 0-3: truncated \uXXXX escape