Converting Surrogate Pairs to Normal String in Python

This question寻求一种将包含代理对的Python Unicode字符串转换为标准字符串的方法表示。目标是获得可理解的 Unicode 字符或标准化的十六进制格式。

提供的代码片段提供了一个 Python 字符串，其中包含表示表情符号的代理对：

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

要解决这个问题，区分文字和文字至关重要磁盘上 JSON 文件中的代理项对字符串（6 个字符）和内存中的单字符代理项对字符串（1 个字符）。

如果字符串是在 Python 源代码中找到的单字符代理项对（例如如所提供的示例），它表明上游存在潜在的错误。如果遇到这种情况并且无法解决，可以使用 surrogatepass 错误处理程序：

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

这将输出对应的Unicode字符，表示为问号(?):

'?'

对于磁盘上 JSON 文件中的文字代理对字符串，加载 JSON 数据后不应出现代理对：

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

这将输出标准化的Unicode 字符的十六进制格式：

'\U0001f64f'

理解这种区别对于在 Python 中处理代理对并将其转换为可用格式至关重要。