Conversión de pares sustitutos en cadenas normales en Python

Esta pregunta busca un método para transformar una cadena Python Unicode que contiene pares sustitutos en una cadena estándar representación. El objetivo es obtener un carácter Unicode inteligible o un formato hexadecimal estandarizado.

El fragmento de código proporcionado presenta una cadena de Python que incluye un par sustituto que representa un emoji:

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

Para resolver el problema, es crucial distinguir entre cadenas de pares sustitutos literales en un Archivo JSON en el disco (seis caracteres) y cadenas de pares sustitutos de un solo carácter en la memoria (un carácter).

Si la cadena es un par sustituto de un solo carácter que se encuentra en el código fuente de Python (como el ejemplo proporcionado) , indica un posible error en sentido ascendente. Si se encuentra esto y no se puede resolver, se puede emplear el controlador de errores surrogatepass:

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

Esto generará el carácter Unicode correspondiente, representado como un signo de interrogación. (?):

'?'

En el caso de cadenas de pares sustitutos literales en un archivo JSON en el disco, el par sustituto no debe estar presente después de cargar los datos JSON:

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

Esto generará el formato hexadecimal estandarizado formato para el carácter Unicode:

'\U0001f64f'

Comprender esta distinción es esencial para manejar pares sustitutos en Python y convertirlos a un formato utilizable.