Python：将Unicode十六进制字符串转换为Unicode

Question

我有一个十六进制字符串，是通过一个函数从一个Unicode字符串生成的：

def toHex(s):
    res = ""
    for c in s:
        res += "%02X" % ord(c) #at least 2 hex digits, can be more
    return res

hex_str = toHex(u"...")

这个函数返回的字符串像这样：

"80547CFB4EBA5DF15B585728"

这是一串由6个汉字组成的符号。
但是

u"Knödel"

转换成了

"4B6EF664656C"

现在我需要一个函数，把这个字符串再转换回原来的Unicode。汉字的表示方式是2个字节，而第二个例子中的所有字符都是1个字节的表示。所以我不能简单地对每个1字节或2字节的块使用unichr()。

我已经尝试过

binascii.unhexlify(hex_str)

但这个方法似乎是逐字节转换，返回的是字符串，而不是Unicode。我还尝试过

binascii.unhexlify(hex_str).decode(...)

用不同的格式，但始终没有得到原来的Unicode字符串。

非常感谢你的帮助！

Answer 1

我之前在一个VB应用程序中处理Unicode时发现，如果前面有一个或两个“0”，它们会被自动去掉。比如说“&H00A2”会变成“&HA2”。为了解决这个问题，我写了一个小函数来检查字符串的长度，如果长度少于4个字符，就给它加上缺少的“0”。我不确定你遇到的情况是不是这样，但我觉得分享这个信息可能对你有帮助。

Answer 2

这件事做不到。使用 %02X 会丢失太多信息。你应该先使用像UTF-8这样的编码，然后再进行转换，而不是自己发明一个有问题的编码方式。

>>> u"Knödel".encode('utf-8').encode('hex')
'4b6ec3b664656c'

Answer 3

这看起来运行得很好：

binascii.unhexlify(binascii.hexlify(u"Knödel".encode('utf-8'))).decode('utf-8')

返回到原来的对象。如果中文文本编码得当，你也可以这样做，不过 ord(x) 已经把你开始的文本搞坏了。你需要先对它进行编码，然后才能像处理字节串一样处理它。