python-2.7 - 获取适当长度的表情符号

Question

我注意到，当您在手机消息中输入表情符号时，有些表情符号占用 1 个字符，有些占用 2 个字符。例如，“♊”占用 1 个字符，但“😁”占用 2 个字符。在 python 中，我'我试图获取表情符号的长度，我得到:

len("♊") # 3
len("😁") # 4
len(unicode("♊", "utf-8")) # 1 OH IT WORKS!
len(unicode("😁", "utf-8")) # 1 Oh wait, no it doesn't.

有什么想法吗？

本网站的表情符号长度在 Character.charCount() 行:http://www.fileformat.info/info/unicode/char/1F601/index.htm

Answer 1

阅读sys.maxunicode :

An integer giving the value of the largest Unicode code point, i.e. 1114111 (0x10FFFF in hexadecimal).

Changed in version 3.3: Before PEP 393, sys.maxunicode used to be either 0xFFFF or 0x10FFFF, depending on the configuration option that specified whether Unicode characters were stored as UCS-2 or UCS-4.

以下脚本应该适用于 Python 版本 2 和 3:

# coding=utf-8

from __future__ import print_function
import sys, platform, unicodedata

print( platform.python_version(), 'maxunicode', hex(sys.maxunicode))
tab = '\t'
unistr = u'\u264a \U0001f601'                          ###   unistr = u'♊ 😁'
print ( len(unistr), tab, unistr, tab, repr( unistr))
for char in unistr:
    print (len(char), tab, char, tab, repr(char), tab, 
        unicodedata.category(char), tab, unicodedata.name(char,'private use'))

输出 显示不同 sys.maxunicode 属性值的结果。例如，😁 字符(Basic Multilingual Plane 上面的 unicode 代码点 0x1f601)被转换为相应的 surrogate pair (代码点 u'\ud83d' 和 u'\ude01')如果 sys.maxunicode 结果为 0xFFFF:

PS D:\PShell> [System.Console]::OutputEncoding = [System.Text.Encoding]::UTF8

PS D:\PShell> . py -3 D:\test\Python\Py\42783173.py
3.5.1 maxunicode 0x10ffff
3      ♊ 😁   '♊ 😁'
1      ♊      '♊'      So      GEMINI
1             ' '      Zs      SPACE
1      😁     '😁'      So      GRINNING FACE WITH SMILING EYES

PS D:\PShell> . py -2 D:\test\Python\Py\42783173.py
2.7.12 maxunicode 0xffff
4      ♊ 😁   u'\u264a \U0001f601'
1      ♊      u'\u264a'    So      GEMINI
1             u' '         Zs      SPACE
1      ��     u'\ud83d'    Cs      private use
1      ��     u'\ude01'    Cs      private use

注意:以上输出示例取自Unicode-aware Powershell-ISE console pane .