Python，轉換4個字節的字符以避免MySQL錯誤「不正確的字符串值：」

Question

我需要將（以Python）4字節的字符轉換爲其他字符。這是將其插入到我的UTF-8 mysql數據庫沒有得到一個錯誤，如：「不正確的字符串值：在第1行‘\ XF0 \ x9F \ X94 \ x8E’列‘線’」

Warning raised by inserting 4-byte unicode to mysql節目來這樣來做：

>>> import re 
>>> highpoints = re.compile(u'[\U00010000-\U0010ffff]') 
>>> example = u'Some example text with a sleepy face: \U0001f62a' 
>>> highpoints.sub(u'', example) 
u'Some example text with a sleepy face: ' 

不過，我得到了同樣的錯誤在該評論的用戶，「......壞字符範圍。」這顯然是因爲我的Python是一種UCS-2（未UCS -4）構建。但是，我不清楚該怎麼做呢？

Answer 1

在UCS-2構建中，python在內部針對\U0000ffff代碼點上的每個unicode字符使用2個代碼單元。正則表達式必須與那些工作，所以你需要使用下面的正則表達式匹配這些：

highpoints = re.compile(u'[\uD800-\uDBFF][\uDC00-\uDFFF]') 

這個正則表達式用UTF-16代理對編碼的任何代碼點一致（見UTF-16 Code points U+10000 to U+10FFFF

爲了使不同的Python UCS-2和UCS-4版本使用的兼容，你可以使用一個try:/except使用一個或另一個：

try: 
    highpoints = re.compile(u'[\U00010000-\U0010ffff]') 
except re.error: 
    # UCS-2 build 
    highpoints = re.compile(u'[\uD800-\uDBFF][\uDC00-\uDFFF]') 

在UCS-2的Python構建演示：

>>> import re 
>>> highpoints = re.compile(u'[\uD800-\uDBFF][\uDC00-\uDFFF]') 
>>> example = u'Some example text with a sleepy face: \U0001f62a' 
>>> highpoints.sub(u'', example) 
u'Some example text with a sleepy face: '