gpt4 book ai didi

python - UnicodeEncodeError : 'utf-8' codec can't encode characters in position 0-15: surrogates not allowed

转载 作者:行者123 更新时间:2023-12-04 01:18:40 31 4
gpt4 key购买 nike

我在尝试打印 unicode 的结果时遇到了问题,这是我尝试过的

data = u"\ud835\udc6a\ud835\udc89\ud835\udc90\ud835\udc84\ud835\udc8c"
result = data.encode('utf-8', 'surrogatepass')
#b'\xed\xa0\xb5\xed\xb1\xaa\xed\xa0\xb5\xed\xb2\x89\xed\xa0\xb5\xed\xb2\x90\xed\xa0\xb5\xed\xb2\x84\xed\xa0\xb5\xed\xb2\x8c'
result.decode('utf-8')
#UnicodeDecodeError: 'utf-8' codec can't decode byte 0xed in position 0: invalid continuation byte

根据 Charbase, \udc90是无效字符
https://charbase.com/dc90-unicode-invalid-character
我可以通过这个网站转换 unicode: https://www.online-toolz.com/tools/text-unicode-entities-convertor.php在“解码/取消转义 Unicode 实体”部分下
这是结果的屏幕截图
enter image description here
我怎样才能打印出这个unicode?我正在从 API 接收数据并希望将其存储在 MySQL 数据库中。目前,MySQL数据库中的结果是?????????????

最佳答案

该网站呈现的可能是包含代理对的 JSON 格式转义序列,这实际上是 UTF-16 的东西,Javascript 将字符串视为幕后。相同的原始字符串文字在 Python 中无效。您想要的不是让 Python 解释转义序列,而是创建一个包含转义序列的字符串:

>>> r'\ud835\udc6a\ud835\udc89\ud835\udc90\ud835\udc84\ud835\udc8c'
'\\ud835\\udc6a\\ud835\\udc89\\ud835\\udc90\\ud835\\udc84\\ud835\\udc8c'
由于这是 Javascript/JSON 格式,请使用 json解码它的模块:
>>> import json
>>> json.loads(r'"\ud835\udc6a\ud835\udc89\ud835\udc90\ud835\udc84\ud835\udc8c"')
'𝑪𝒉𝒐𝒄𝒌'
Python 将此字符串编码为转义序列的方式是:
>>> print('𝑪𝒉𝒐𝒄𝒌'.encode('unicode-escape').decode('ascii'))
\U0001d46a\U0001d489\U0001d490\U0001d484\U0001d48c

关于python - UnicodeEncodeError : 'utf-8' codec can't encode characters in position 0-15: surrogates not allowed,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/62934528/

31 4 0
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com