在python中将unicode代码点转换为UTF8 hex答案

【问题标题】：Convert unicode codepoint to UTF8 hex in python在python中将unicode代码点转换为UTF8 hex
【发布时间】：2009-05-15 10:13:24
【问题描述】：

我想将从文件中读取的多个 unicode 代码点转换为它们的 UTF8 编码。

例如，我想将字符串 'FD9B' 转换为字符串 'EFB69B'。

我可以使用这样的字符串文字手动执行此操作：

u'\uFD9B'.encode('utf-8')

但我无法以编程方式解决。

【问题讨论】：

标签： python unicode

【解决方案1】：

使用内置函数chr()将数字转换为字符，然后对其进行编码：

>>> chr(int('fd9b', 16)).encode('utf-8')
'\xef\xb6\x9b'

这是字符串本身。如果您希望字符串为 ASCII 十六进制，则需要遍历并将每个字符 c 转换为十六进制，使用 hex(ord(c)) 或类似的。

注意：如果您仍然坚持使用 Python 2，您可以改用 unichr()。

【讨论】：

输出与问题所指定的不符。无论如何，如果 OP 高兴的话……
Py3K 仅供参考，它是chr(int('fd9b', 16)).encode('utf-8')。
@tzot: ''.join('{:02X}'.format(n) for n in chr(int('FD9B', 16)).encode()) 在 Python 3 中给出字符串 'EFB69B'。
我编辑了您的答案以使用 Python 3 解决方案并添加注释以防有人仍然坚持使用 Python 2。我希望您不介意...chr(int('1f607', 16))

【解决方案2】：

这里有一个完整的解决方案：

>>> ''.join(['{0:x}'.format(ord(x)) for x in unichr(int('FD9B', 16)).encode('utf-8')]).upper()
'EFB69B'

【讨论】：

【解决方案3】：

Python 2.6.2 (r262:71600, Apr 16 2009, 09:17:39) 
[GCC 4.0.1 (Apple Computer, Inc. build 5250)] on darwin
Type "help", "copyright", "credits" or "license" for more information.
>>> u'\uFD9B'.encode('utf-8')
'\xef\xb6\x9b'
>>> s = 'FD9B'
>>> i = int(s, 16)
>>> i
64923
>>> unichr(i)
u'\ufd9b'
>>> _.encode('utf-8')
'\xef\xb6\x9b'

【讨论】：

【解决方案4】：

data_from_file='\uFD9B'
unicode(data_from_file,"unicode_escape").encode("utf8")

【讨论】：

【解决方案5】：

如果输入字符串长度是 4 的倍数（即您的 unicode 代码点是 UCS-2 编码的），那么试试这个：

import struct

def unihex2utf8hex(arg):
    count= len(arg)//4
    uniarr= struct.unpack('!%dH' % count, arg.decode('hex'))
    return u''.join(map(unichr, uniarr)).encode('utf-8').encode('hex')

>>> unihex2utf8hex('fd9b')
'efb69b'

【讨论】：

【解决方案6】：

因为您在使用带有宽 unicode 字符的 unichr 时可能会遇到错误：

>>> n = int('0001f600', 16)
>>> unichr(n)
ValueError: unichr() arg not in range(0x10000) (narrow Python build)

这是在窄 python 构建上使用宽 unicode 的另一种方法：

>>> n = int('0001f600', 16)
>>> s = '\\U{:0>8X}'.format(n)
>>> s = s.decode('unicode-escape')
>>> s.encode("utf-8")
'\xf0\x9f\x98\x80'

并使用原始问题的价值：

>>> n = int('FD9B', 16)
>>> s = '\\u{:0>4X}'.format(n)
>>> s = s.decode('unicode-escape')
>>> s.encode("utf-8")
'\xef\xb6\x9b'

【讨论】：