Convertendo pares substitutos em string normal em Python

Esta questão busca um método para transformar uma string Python Unicode contendo pares substitutos em uma string padrão representação. O objetivo é obter um caractere Unicode inteligível ou um formato hexadecimal padronizado.

O snippet de código fornecido apresenta uma string Python que inclui um par substituto representando um emoji:

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

Para resolver o problema, é crucial distinguir entre pares de strings substitutas literais em um arquivo JSON no disco (seis caracteres) e strings de par substituto de caractere único na memória (um caractere).

Se a string for um par substituto de caractere único encontrado no código-fonte Python (como o exemplo fornecido), ela indica um possível bug no upstream. Se isso for encontrado e não puder ser resolvido, o manipulador de erros surrogatepass pode ser empregado:

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

Isso gerará o caractere Unicode correspondente, representado como um ponto de interrogação (?):

'?'

No caso de strings de pares substitutos literais em um arquivo JSON no disco, o par substituto não deve estar presente após o carregamento dos dados JSON:

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

Isso produzirá o formato hexadecimal padronizado para o Caractere Unicode:

'\U0001f64f'

Entender essa distinção é essencial para lidar com pares substitutos em Python e convertê-los em um formato utilizável.