如何將「\ uxxxx \ uxxxx」轉換爲u'\ Uxxxxxxxx'？

Question

我有一個文本文件充滿Unicode字符作爲"\ud83d\udca5"但python似乎並不喜歡他們。
但是，如果我將其替換爲u'\U0001f4a5'這似乎是他的蟒蛇逃生風格（Charbase），它的工作原理。

是否有解決方案將它們全部轉換爲u"\Uxxxxxxxx"轉義格式比python可以理解？

謝謝。

Answer 1

你在混合使用Unicode和編碼的字符串。 u'\U0001f4a5'是一個Unicode對象，用於處理字符串的Python內部數據類型。 （在Python 3中，u是可選的，因爲現在所有的字符串都是Unicode對象）。

另一方面，文件使用編碼。 UTF-8是最常見的一種，但它只是將一個Unicode對象存儲在面向字節的文件或流中的一種方式。打開這樣的文件時，您需要指定編碼，以便Python可以將字節轉換爲有意義的Unicode對象。

就你而言，你似乎需要使用UTF-16編解碼器而不是UTF-8來打開文件。

with open("myfile.txt", encoding="utf-16") as f: 
    s = f.read() 

會給你適當的內容，如果編解碼器實際上是UTF-16。如果看起來不正確，請嘗試使用"utf-16-le"或"utf-16-be"。