我可以在 Python 中用 5 位 unicode 替换字符串吗？ [关闭]答案

【问题标题】：Can I replace a string with 5 digit unicode in Python?un [closed]我可以在 Python 中用 5 位 unicode 替换字符串吗？ [关闭]
【发布时间】：2013-02-05 13:29:16
【问题描述】：

早些时候，我问过这个问题： How to convert some character into five digit unicode one in Python 3.3?

但是今天我发现大写 U 代码点在打印时有效，但是当我在文件中尝试时，结果却失败了。为什么？

import re

f = codecs.open('test.txt', 'r', encoding="utf-8")
g = codecs.open('test_output.txt', 'w', encoding="utf-8")
fin = f.read()
output = re.sub('m', '\U000243D0', fin)
g.write(output)

【问题讨论】：

失败如何准确？您的代码在这里没有任何问题，您得到的输出与您预期的输出是什么？
@dan04：codecs 用法指向 Python 2；在 Python 3 中，您只需使用 open()，通常。
我使用的是 Python 3.3。奇怪的是，m 被 ए 取代了。它的代码点是 \u090F。
@user1610952：你用什么来测试数据？ \u090F 编码为 UTF-8 为\xE0\xA4\x8F（三个字节以\xE0 开头），\U000243D0 编码为\xF0\xA4\x8F\x90；如果您从第一个字节中删除 1 位并忽略 \x90 字节，则会出现重叠。 Python 不这样做（我测试过），那么您使用什么工具会损坏数据或曲解数据？

标签： python unicode

【解决方案1】：

这对我来说很好用：

import re

with open('/tmp/test.txt', 'w', encoding='utf8') as testfile:
    testfile.write("I don't go to school on mondays")

with open('/tmp/test.txt', 'r', encoding='utf8') as testfile, open('/tmp/test_output.txt', 'w', encoding='utf8') as testout:
    output = re.sub('m', '\U000243D0', testfile.read())
    testout.write(output)

with open('/tmp/test_output.txt', 'r', encoding='utf8') as testfile:
    print(repr(testfile.read()))

输出

"I don't go to school on ?ondays"

【讨论】：

请注意，在 2.6 和 2.7 中，您可以使用语句 from __future__ import unicode_literals 使字符串默认具有 unicode 类型。
@dan04：当然，这对于编写需要在 python 2 和 python 3 上运行的代码的人来说非常棒，但对于大多数只针对 one的开发人员来说> 版本，通常没有那么有用。 :-)
谢谢，但我使用的是 Python 3.3。我仍然不明白为什么它不起作用。
@user1610952：那么请显示（摘录）写入文件的输出，以及您期望的输出。您可以使用 python 读取它并向我们展示您想要更正的字节的repr()。
test.txt 是：我星期一不上学。它变成了这个（test_out.txt）：我在एondays不去学校。我的预期是：我每天?不上学。