python - 如何在 python 中正确打印 unicode 字符列表？

Question

我正在尝试在 python 字符串中搜索表情符号。所以我有，例如，

em_test = ['\U0001f680']
print(em_test)
['🚀']
test = 'This is a test string 💰💰🚀'
if any(x in test for x in em_test):
    print ("yes, the emoticon is there")
else: 
    print ("no, the emoticon is not there")

yes, the emoticon is there

如果在

中搜索 em_test

'This is a test string 💰💰🚀'

我真的可以找到它。

所以我制作了一个 csv 文件，其中包含我想要的所有表情符号，这些表情符号由它们的 unicode 定义。CSV 看起来像这样:

\U0001F600

\U0001F601

\U0001F602

\U0001F923

当我导入并打印它时，我实际上没有得到表情符号，而只是文本表示:

['\\U0001F600',
 '\\U0001F601',
 '\\U0001F602',
 '\\U0001F923',
...
]

因此我无法使用它在另一个字符串中搜索这些表情符号...我不知何故知道双反斜杠\只是单斜杠的表示，但不知何故 unicode 阅读器不明白......我不知道我错过了什么。

有什么建议吗？

Answer 1

您可以使用 .decode('unicode-escape') 解码那些 Unicode 转义序列。但是，.decode 是一种bytes 方法，因此如果这些序列是文本而不是字节，您首先需要将它们编码为字节。或者，您可以(可能)以二进制模式打开 CSV 文件，以便将这些序列读取为 bytes 而不是文本字符串。

为了好玩，我还将使用 unicodedata 来获取这些表情符号的名称。

import unicodedata as ud

emojis = [
    '\\U0001F600',
    '\\U0001F601',
    '\\U0001F602',
    '\\U0001F923',
]

for u in emojis:
    s = u.encode('ASCII').decode('unicode-escape')
    print(u, ud.name(s), s)

输出

\U0001F600 GRINNING FACE 😀
\U0001F601 GRINNING FACE WITH SMILING EYES 😁
\U0001F602 FACE WITH TEARS OF JOY 😂
\U0001F923 ROLLING ON THE FLOOR LAUGHING 🤣

这应该比使用 ast.literal_eval 快得多。如果您以二进制模式读取数据，速度会更快，因为它避免了读取文件时的初始解码步骤，并且允许您消除 .encode('ASCII') 调用。

您可以使用

使解码更加稳健

u.encode('Latin1').decode('unicode-escape')

但这对于您的表情符号数据来说不是必需的。正如我之前所说，如果您以二进制模式打开文件以避免对其进行编码，那就更好了。