Python3中如何根据unicode码位将汉字写入文件

Question

我正在尝试根据在 unicode 文本文件中找到的 Unicode 代码点将汉字写入 CSV 文件。org/Public/zipped/13.0.0/Unihan.zip。例如，一个示例字符是 U+9109。

在下面的示例中，我可以通过对值进行硬编码（第 8 行）来获得正确的输出，但是我尝试从代码点（第 14-16 行）生成字节的每个排列都会出错).

我运行在基于 Debian 的 Linux 发行版的 Python 3.8.3 中。

最小工作（损坏）示例：

  1 #!/usr/bin/env python3
  2 
  3 def main():
  4 
  5     output = open("test.csv", "wb")
  6 
  7     # Hardcoded values work just fine
  8     output.write('\u9109'.encode("utf-8"))
  9 
 10     # Comma separation
 11     output.write(','.encode("utf-8"))
 12 
 13     # Problem is here
 14     codepoint = '9109'
 15     u_str = '\' + 'u' + codepoint
 16     output.write(u_str.encode("utf-8"))
 17 
 18     # End with newline
 19     output.write('\n'.encode("utf-8"))
 20 
 21     output.close()
 22 
 23 if __name__ == "__main__":
 24     main()

执行和查看结果：

example $
example $./test.py 
example $
example $cat test.csv 
鄉,\u9109
example $

预期输出如下（逗号两边出现汉字）：

example $
example $./test.py 
example $cat test.csv 
鄉,鄉
example $

Answer 1

chr 用于将整数转换为 Python 中的代码点 3. 您的代码可以使用：

output.write(chr(0x9109).encode("utf-8"))

但是如果您在 open 中指定编码而不是使用二进制模式，则您不必手动对所有内容进行编码。 print 文件也可以为您处理换行符。

with open("test.txt",'w',encoding='utf-8') as output:
    for i in range(0x4e00,0x4e10):
        print(f'U+{i:04X} {chr(i)}',file=output)

输出：

U+4E00 一
U+4E01 丁
U+4E02 丂
U+4E03 七
U+4E04 丄
U+4E05 丅
U+4E06 丆
U+4E07 万
U+4E08 丈
U+4E09 三
U+4E0A 上
U+4E0B 下
U+4E0C 丌
U+4E0D 不
U+4E0E 与
U+4E0F 丏

Python3中如何根据unicode码位将汉字写入文件

How to write Chinese characters to file based on unicode code point in Python3

unicode

cjk

python-3.x