conseguir bytes de cadena Unicode en Python

Question

i tienen una cadena Unicode big endian de 16 bits representado como u '\ u4132',

cómo puedo dividirlo en enteros de 41 y 32 en Python?

Answer 1

Aquí hay una variedad de maneras diferentes que usted puede querer él.

Python 2:

>>> chars = u'\u4132'.encode('utf-16be') 
>>> chars 
'A2' 
>>> ord(chars[0]) 
65 
>>> '%x' % ord(chars[0]) 
'41' 
>>> hex(ord(chars[0])) 
'0x41' 
>>> ['%x' % ord(c) for c in chars] 
['41', '32'] 
>>> [hex(ord(c)) for c in chars] 
['0x41', '0x32'] 

Python 3:

>>> chars = '\u4132'.encode('utf-16be') 
>>> chars 
b'A2' 
>>> chars = bytes('\u4132', 'utf-16be') 
>>> chars # Just the same. 
b'A2' 
>>> chars[0] 
65 
>>> '%x' % chars[0] 
'41' 
>>> hex(chars[0]) 
'0x41' 
>>> ['%x' % c for c in chars] 
['41', '32'] 
>>> [hex(c) for c in chars] 
['0x41', '0x32'] 

Answer 2

• Java: "\u4132".getBytes("UTF-16BE")
• Python 2: u'\u4132'.encode('utf-16be')
• Python 3: '\u4132'.encode('utf-16be')

Estos métodos devuelven una matriz de bytes, que se puede convertir en una matriz int fácilmente. Pero tenga en cuenta que los puntos de código por encima de U+FFFF se codificarán utilizando dos unidades de código (por lo que con UTF-16BE esto significa 32 bits o 4 bytes).

Answer 3

"Esos" no son enteros, es un número hexadecimal que representa el code point.

Si desea obtener una representación entera del punto de código que necesita usar ord(u'\u4132') si ahora desea convertir eso al carácter unicode, utilice unicode() que devolverá una cadena Unicode.

Answer 4

truco sucio: repr(u'\u4132') volverá "u'\\u4132'"

Answer 5

>>> c = u'\u4132' 
>>> '%x' % ord(c) 
'4132'