使用 Python 将中文 Unicode 代码点转换为字符串

Question

我有一个包含来自 here 的 8105 个汉字的 Unicode 代码点的文件，看起来类似于

U+516D
U+4E03
U+516B

我理解这些代表以下汉字

六 [Chinese character for 'six', Reference http://hanzidb.org/character/%E5%85%AD]
七 [Chinese character for 'seven', Reference http://hanzidb.org/character/%E4%B8%83]
八 [Chinese character for 'eight', Reference http://hanzidb.org/character/%E5%85%AB]

如何将包含字符串U+516D、U+4E03、U+516B的文件用Python3转换成对应的汉字？

如有任何帮助，我们将不胜感激。

提前致谢。

Answer 1

def get_character(string):
    return chr(int(string[2:], 16))

>>> get_character("U+4E03")
'七'
>>> get_character("U+516D")
'六'
>>> get_character("U+4E03")
'七'
>>> get_character("U+516B")
'八'

这是我所知道的最简单的方法，请注意它不检查正确的格式，假设 U+

只是砍掉前 2 个字符

Answer 2

这个正则表达式将U+hhhh格式的文本（4-6个十六进制字符）转换成相应的Unicode代码点：

import re

s = 'U+516D U+4E03 U+516B'

s = re.sub(r'U\+([0-9A-F]{4,6})',lambda m: chr(int(m.group(1),16)),s)
print(s)

输出：

六 七 八

使用 Python 将中文 Unicode 代码点转换为字符串

Convert Chinese Unicode Code Points To Strings Using Python

python

unicode

cjk