Konvertieren von Ersatzzeichenpaaren in normale Zeichenfolgen in Python

Diese Frage sucht nach einer Methode, um eine Python-Unicode-Zeichenfolge, die Ersatzzeichenpaare enthält, in eine Standardzeichenfolge umzuwandeln Darstellung. Ziel ist es, ein verständliches Unicode-Zeichen oder ein standardisiertes Hexadezimalformat zu erhalten.

Das bereitgestellte Code-Snippet stellt einen Python-String dar, der ein Ersatzzeichenpaar enthält, das ein Emoji darstellt:

emoji = "This is \ud83d\ude4f, an emoji."

Um das Problem zu lösen, ist es wichtig, zu unterscheiden zwischen Literal-Ersatzpaarzeichenfolgen in einer JSON-Datei auf der Festplatte (sechs Zeichen) und Einzelzeichen-Ersatzzeichenpaarzeichenfolgen im Speicher (ein Zeichen).

Wenn die Zeichenfolge ein Einzelzeichen-Ersatzzeichenpaar ist, das im Python-Quellcode gefunden wird (wie im bereitgestellten Beispiel) weist dies auf einen potenziellen Fehler im Upstream hin. Wenn dies auftritt und nicht behoben werden kann, kann der Surrogatepass-Fehlerhandler verwendet werden:

"\ud83d\ude4f".encode('utf-16', 'surrogatepass').decode('utf-16')

Dies gibt das entsprechende Unicode-Zeichen aus, dargestellt als Fragezeichen (?):

'?'

Im Fall von literalen Ersatzzeichenfolgen in einer JSON-Datei auf der Festplatte sollte das Ersatzpaar nach dem Laden der JSON-Daten nicht vorhanden sein:

ascii(json.loads(r'"\ud83d\ude4f"'))

Dies wird ausgegeben das standardisierte Hexadezimalformat für das Unicode-Zeichen:

'\U0001f64f'

Das Verständnis dieser Unterscheidung ist für den Umgang mit Ersatzzeichenpaaren in Python und deren Konvertierung in ein verwendbares Format von entscheidender Bedeutung.