如何在 python 中正确打印 unicode 字符列表？

我正在尝试在 python 字符串中搜索表情符号。 所以我有，例如，

em_test = ['\U0001f680']
print(em_test)
['????']
test = 'This is a test string ????????????'
if any(x in test for x in em_test):
    print ("yes, the emoticon is there")
else: 
    print ("no, the emoticon is not there")

yes, the emoticon is there

如果在中搜索 em_test

'这是一个测试字符串????????????'

我其实可以找到它。

所以我制作了一个 csv 文件，其中包含我想要通过其 unicode 定义的所有表情符号。 CSV 看起来像这样：

\U0001F600

\U0001F601

\U0001F602

\U0001F923

当我导入它并打印它时，我实际上没有得到表情符号，而只是得到文本表示：

['\\U0001F600',
 '\\U0001F601',
 '\\U0001F602',
 '\\U0001F923',
...
]

因此我不能用它来搜索另一个字符串中的这些表情符号...... 我以某种方式知道双反斜杠 \ 仅表示单斜杠，但不知何故 unicode 阅读器无法理解它......我不知道我错过了什么。

有什么建议么？

您可以使用以下命令解码这些 Unicode 转义序列.decode('unicode-escape')。然而，.decode is a bytes方法，因此如果这些序列是文本而不是字节，您首先需要将它们编码为字节。或者，您（可能）可以以二进制模式打开 CSV 文件，以便将这些序列读取为bytes而不是作为文本字符串。

只是为了好玩，我也会使用unicodedata获取这些表情符号的名称。

import unicodedata as ud

emojis = [
    '\\U0001F600',
    '\\U0001F601',
    '\\U0001F602',
    '\\U0001F923',
]

for u in emojis:
    s = u.encode('ASCII').decode('unicode-escape')
    print(u, ud.name(s), s)

output

\U0001F600 GRINNING FACE ????
\U0001F601 GRINNING FACE WITH SMILING EYES ????
\U0001F602 FACE WITH TEARS OF JOY ????
\U0001F923 ROLLING ON THE FLOOR LAUGHING ????

这应该比使用快得多ast.literal_eval。如果您以二进制模式读取数据，速度会更快，因为它避免了读取文件时的初始解码步骤，并且允许您消除.encode('ASCII') call.

您可以使用以下方法使解码更加稳健

u.encode('Latin1').decode('unicode-escape')

但这对于您的表情符号数据来说不是必需的。正如我之前所说，如果以二进制模式打开文件以避免对其进行编码，那就更好了。