如何在Python 3.3中将字符转换为五位数字的Unicode？

Question

我想在Python 3.3中把一些字符转换成五位数的unicode编码。比如，

import re
print(re.sub('a', u'\u1D15D', 'abc' ))

但是结果和我预期的不一样。我是不是应该直接用字符本身，而不是用代码点？有没有更好的方法来处理五位数的unicode字符？

Answer 1

顺便说一下，你并不需要用到 re 模块。你可以使用 str.translate 来实现这个功能：

>>> 'abc'.translate({ord('a'):'\U0001D15D'})
'bc'

Answer 2

在Python中，unicode转义字符有两种形式：一种是4个十六进制数字（比如\uabcd），另一种是8个十六进制数字（比如\Uabcdabcd）。如果你要表示的字符代码超过了U+FFFF，就需要用后者（大写的U），并且要确保前面填充足够的零。

>>> '\U0001D15D'
''
>>> '\U0001D15D'.encode('unicode_escape')
b'\\U0001d15d'

在上面的例子中，U+1D15D这个字符（表示“全音符”）确实在里面，但你的浏览器字体可能无法显示它，可能会用一个占位符（比如一个方框或者问号）来代替。

因为你使用了\uabcd这种转义方式，所以在abc中把a替换成了两个字符，一个是代码点U+1D15（ᴕ，表示小写的拉丁字母大写ou），另一个是ASCII字符D。使用32位的unicode字面量是可以正常工作的：

>>> import re
>>> print(re.sub('a', '\U0001D15D', 'abc' ))
bc
>>> print(re.sub('a', u'\U0001D15D', 'abc' ).encode('unicode_escape'))
b'\\U0001d15dbc'

同样，U+1D15D这个代码点在你的字体中可能也会显示为占位符。