Converting Surrogate Pairs to Normal String in Python

This question尋求一種將包含代理對的Python Unicode字串轉換為標準字元串的方法表示。目標是獲得可理解的 Unicode 字元或標準化的十六進位格式。

提供的程式碼片段提供了一個Python 字串，其中包含表示表情符號的代理對：

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

要解決這個問題，區分文字和文字至關重要磁碟上JSON 檔案中的代理項對字串（6 個字元）和記憶體中的單字元代理程式對字串（1個字元）。

如果字串是在 Python 原始碼中找到的單字元代理對（例如如所提供的範例），它表明上游存在潛在的錯誤。如果遇到這種情況且無法解決，可以使用 surrogatepass 錯誤處理程序：

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

這將輸出對應的Unicode字符，表示為問號(?):

'?'

對於磁碟上JSON 檔案中的文字代理對字串，載入JSON 資料後不應出現代理對：

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

這將輸出標準化的Unicode 字元的十六進位格式：

'\U0001f64f'

理解這種區別對於在Python 中處理代理程式對並將其轉換為可用格式至關重要。