将十六进制转换为十六进制代码点

Question

我有这样的十六进制代码：

\xf0\x9f\x94\xb4

我想这样编码：

1F534

如何使用 python 2.7 中的方法对其进行转换？

谢谢

Answer 1

在这里你只是问：如何找到用（字节）字符串'\xf0\x9f\x94\xb4'的utf8表示的字符的unicode编码？

在 Python3 中它会很简单：

>>> hex(ord(b'\xf0\x9f\x94\xb4'.decode()))
'0x1f534'

在使用 --enable-unicode=ucs4 编译的 Python2 版本中，它或多或少是相同的：

>>> hex(ord('\xf0\x9f\x94\xb4'.decode('utf-8')))
'0x1f534'

但是在您的评论之后，您得到了一个使用 --enable-unicode=ucs2 编译的 Python 2.7 版本。在这种情况下，Unicode 字符串实际上包含字符串的 UTF16 表示形式：

>>> print [hex(ord(i)) for i in '\xf0\x9f\x94\xb4'.decode('utf-8')]
['0xd83d', '0xdd34']

无法直接找到 U+1F534 大红圈字符的真正 unicode 代码点。

最后一个选择是手动解码 utf8 序列。您可以在 wikipedia 上找到 UTF8 编码的说明。以下函数采用 utf-8 表示 unicode 字符和 return 其代码点：

def from_utf8(bstr):
    b = [ord(i) for i in bstr]
    if b[0] & 0x80 == 0: return b
    if b[0] & 0xe0 == 0xc0:
        return ((b[0] & 0x1F) << 6) | (b[1] & 0x3F)
    if b[0] & 0xf0 == 0xe0:
        return ((b[0] & 0xF) << 12) | ((b[1] & 0x3F) << 6) | (b[2] & 0x3F)
    else:
        return ((b[0] & 7) << 18) | ((b[1] & 0x3F) << 12) | \
               ((b[2] & 0x3F) << 6) | (b[3] & 0x3F)

注意，这里没有进行任何控制以确保字符串是单个字符的正确 UTF-8 表示...但至少它给出了预期的结果：

>>> print hex(from_utf8("\xf0\x9f\x94\xb4"))
0x1f534

将十六进制转换为十六进制代码点

trasform hex to hexcodepoint

python

hex

encode

utf