我在我的 Python 程序中使用国际音标 (IPA) 符号，这是一组相当奇怪的字符，其 UTF-8 代码的长度范围为 1 到 3 个字节。几年前的This thread 基本上问了相反的问题，似乎ord(character) 可以检索一个十进制数，我可以将其转换为十六进制，然后转换为代码点，但ord() 的输入似乎仅限于一个字节。如果我在任何非 ASCII 字符上尝试 ord()，例如 ɨ，它会输出：
TypeError: ord() expected a character, but a string of length 2 found
由于不再是选项，Python 2.7 中是否有任何方法可以找到给定字符的 Unicode 代码点？ （那么该字符是否必须是 unicode 类型？）我的意思也不是仅在 Unicode 表上手动查找它。
【问题讨论】：
标签： python python-2.7 unicode
>>> u'ɨ'
u'\u0268'
>>> u'i'
u'i'
>>> 'ɨ'.decode('utf-8')
u'\u0268'
【讨论】：
由于不再是选项，Python 2.7 中是否有任何方法可以找到给定字符的 Unicode 代码点？ （那么该字符是否必须是 unicode 类型？）我的意思也不是仅在 Unicode 表上手动查找它。
您只能找到 unicode 对象的 unicode 代码点。要将字节字符串转换为 unicode 对象，请使用 mystr.decode(encoding) 对其进行解码，其中 encoding 是字符串的编码。 （你知道你的字符串的编码，对吧？它可能是 UTF-8。:-) 然后你可以根据你已经找到的说明使用ord。
>>> ord(b"ɨ".decode('utf-8'))
616
顺便说一句，从您的问题看来，您正在使用 UTF-8 编码字节形式的字符串。那恐怕会很痛苦。您应该在获得字符串后立即将它们解码为 unicode 对象，并且仅在需要将它们输出到某处时才对其进行编码。
【讨论】：
io.open 而不是内置的打开函数。
这实际上是 Python 2 中的一个错误，取决于它是如何构建的，用于 BMP 之外的 unicode 字符 (>= 0xFFFF)；见：https://bugs.python.org/issue8670#msg105656
例如这有效：
>>> ord('\uffff')
65535
>>> len('\uffff')
1
但这不是：
>>> ord(u'\U00010000')
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
TypeError: ord() expected a character, but string of length 2 found
更令人惊讶的是：
>>> len(u'\U00010000')
2
这是因为 Python 曾经存在“窄”构建与“宽”构建。在“窄”构建中，Unicode 字符串在内部用 UCS2 表示（因此使用较少的内存，但必须使用两个 UCS2 字符（“代理对”）来表示 U+FFFF 以上的字符），而在“宽”构建中，UCS4 是内部用于 unicode 字符串，你不会有这个问题。
在较新版本的 Python 3 中（我认为是从 3.2 或 3.3 开始，但我不记得了）这不再是问题，而且情况要好得多。最简单的检查方法是使用sys.maxunicode，在窄版本上将是0xffff。
This answer 演示了如何从窄构建中的代理对中提取序数。
【讨论】：