为什么Python2认为这些字节是麦克风表情符号，而Python3不认为'；T

我在一个数据库中有一些数据，它是由一个用户作为“BTS”输入的⚾️>BTS尝试在python 3的utf-8中再次编码此字节

u'BTS\u26be\ufe0f>BTS\U0001f3a4'

text = u'BTS\u26be\ufe0f>BTS\U0001f3a4'
result = text.encode('utf_8')
print(result)
result.decode('utf_8')

结果

包含以下字节：

b'BTS\xe2\x9a\xbe\xef\xb8\x8f>BTS\xf0\x9f\x8e\xa4'

在python 2中有不同于此的功能：

b'BTS\xe2\x9a\xbe\xef\xb8\x8f>BTS\xed\xa0\xbc\xed\xbe\xa4'

但是，如果您在python 3的utf-8中再次解码

结果

：

b'BTS\xe2\x9a\xbe\xef\xb8\x8f>BTS\xf0\x9f\x8e\xa4'

，您将收到想要的结果

---

简而言之，python2和python3的工作方式不同，因此您必须在数据库中保存唯一的解码字节。

看起来有几个网页可以帮助您回答问题：

• （与Python2过于宽松的UTF-8处理有关）
• （与处理该许可有关）

如果我使用Python 3的“代理进程”错误处理程序解码从Python 2获得的字节，即：

b'BTS\xe2\x9a\xbe\xef\xb8\x8f>BTS\xed\xa0\xbc\xed\xbe\xa4'。解码（'utf_8'，
错误='subrogatepass'）

然后我得到字符串

'BTS⚾️>BTS\ud83c\udfa4'

，其中，

'\ud83c\udfa4'

是一个代理项对，应该代表麦克风表情

在Python 3中，您可以通过使用“代理传递”将带有代理项对的字符串编码为UTF-16并解码为UTF-16，从而返回麦克风：

>>string\u as\u utf\u 8=b'BTS\xe2\x9a\xbe\xef\xb8\x8f>BTS\xed\xa0\xbc\xed\xbe\xa4'。解码（'utf\u 8'，错误='subrogatepass'）
>>>字节\u as\u utf\u 16=字符串\u as\u utf\u 8.encode（'utf\u 16'，errors='subrogatepass'）
>>>字符串\u as\u utf\u 16=字节\u as\u utf\u 16.解码（'utf\u 16'）
>>>打印（字符串作为utf 16）
基站⚾️>BTSThanks！通过这个练习，我了解了Unicode的两个我以前不知道的方面：变体选择器（上面棒球表情符号的字节3到6是变体选择器）和代理项对。