Python 将Unicode码点号转换为Unicode字符

我正在使用Python3中的argparse库从命令行参数中读取Unicode字符串。这些字符串通常包含“普通”Unicode字符（扩展拉丁语等），但有时——特别是当字符属于从右向左的脚本时——将字符串编码为Unicode码点更容易，如\u0644。但是argparse将这些指示符视为一个字符序列，并且不会将它们转换为它们指定的字符。例如，如果命令行参数为

... -a "abc\06d2d" ...

那么我在argparse变量中得到的是

"abc\06d2d"

而不是预期的

"abcےd"

（c和d之间的字符是yeh baree）。当然，这两种结果都是合乎逻辑的，只是第二种结果才是我想要的

我试图在解释器中重现这一点，但在大多数情况下，Python3会自动将类似“abc\06d2d”的字符串转换为“abcےd”。当我使用argparse读取字符串时不是这样

我提出了一个函数来进行转换，如下所示。但我觉得我错过了更简单的东西。有没有更简单的方法来进行转换？（显然，我可以使用str.startswith（）或regex来匹配整个内容，而不是逐个字符，但下面的代码实际上只是一个示例。似乎我根本不必创建自己的函数来完成此操作，特别是在某些情况下，它似乎是自动发生的。）

---------我的代码如下---------

---

您可能想了解的是

raw\u unicode\u escape

编码

>>> len(b'\\uffff')
6
>>> b'\\uffff'.decode('raw_unicode_escape')
'\uffff'
>>> len(b'\\uffff'.decode('raw_unicode_escape'))
1

因此，功能将是：

def ParseString2Unicode(sInString):
    try:
        decoded = sInString.encode('utf-8')
        return decoded.decode('raw_unicode_escape')
    except UnicodeError:
        return sInString

但是，这也与其他unicode转义序列相匹配，如

\uxxxxx

。如果只想匹配

\uxxx

，请使用正则表达式，如下所示：

import re

escape_sequence_re = re.compile(r'\\u[0-9a-fA-F]{4}')

def _escape_sequence_to_char(match):
    return chr(int(match[0][2:], 16))

def ParseString2Unicode(sInString):
    return re.sub(escape_sequence_re, _escape_sequence_to_char, sInString)

---

一种简洁、灵活的处理方法是使用正则表达式：

return re.sub(
    r"\\u([0-9A-Fa-f]{4})",
    lambda m: chr(int(m[1], 16)),
    sInString
)

---

谢谢——我想有更简洁的方法来编写函数，而你的方法肯定是这样的！为了清晰起见，我把它留得不简洁（因为我很懒）。但我真正想要的是一种避免滚动我自己的解析器的方法——我觉得我缺少了一种完全不需要编写解析器的automagic方法。我想你的第一种方法或多或少就是我想要的（我可能会称之为SomeString.encode（'utf-8'）。encode（'raw_Unicode_escape'））。不幸的是，我正在运行Python 3，这似乎只在Python 2中起作用。具体地说，在Python 3中，它在第二步（使用encode（'raw_unicode_escape'）的步骤中抱怨“'bytes'对象没有属性'encode'”。我将对此进行一点研究，看看是否能够解决P2和3之间的差异…对于Python 3来说，解决这个问题很简单：只需在第二步中使用decode（），而不是encode（）。例如（不考虑错误测试）sString.encode（'utf-8'）。decode（'raw_unicode_escape'）。我将此标记为解决方案（属于我想要的类型，即使用内置Python转换，而不是解析字符串）。对于稍后来到这里的任何人：请参阅Artyer针对Python 2的版本，或我针对Python 3的微小修订版。@MikeMaxwell Oops。它的意思是

decode

。它只是一个输入错误。在Python2中，您可以直接

解码它。
return re.sub(
    r"\\u([0-9A-Fa-f]{4})",
    lambda m: chr(int(m[1], 16)),
    sInString
)