如何在 Python 中将代理对转换为普通字符串？

这是后续如何将包含 Unicode 代理项对的 JSON 编码数据转换为字符串？ https://stackoverflow.com/questions/38106422/converting-to-emoji。在这个问题中，OP 有一个json.dumps()- 带有表示为代理对的表情符号的编码文件 -\ud83d\ude4f。他们在读取文件和正确翻译表情符号时遇到问题，并且正确的answer https://stackoverflow.com/a/38145581/1426065 was to json.loads()文件中的每一行，以及json模块将处理从代理对到（我假设是 UTF8 编码）表情符号的转换。

所以这是我的情况：假设我只有一个常规的 Python 3 unicode 字符串，其中有一个代理对：

emoji = "This is \ud83d\ude4f, an emoji."

我如何处理这个字符串以获得的表示emoji http://apps.timwhitlock.info/unicode/inspect?s=%F0%9F%99%8F出来了吗？我希望得到这样的东西：

"This is ????, an emoji."
# or
"This is \U0001f64f, an emoji."

我试过了：

print(emoji)
print(emoji.encode("utf-8")) # also tried "ascii", "utf-16", and "utf-16-le"
json.loads(emoji) # and `.encode()` with various codecs

通常我会收到类似的错误UnicodeEncodeError: XXX codec can't encode character '\ud83d' in position 8: surrogates no allowed.

我在 Linux 上运行 Python 3.5.1，$LANG set to en_US.UTF-8。我已经在命令行上的 Python 解释器中以及在 Sublime Text 中运行的 IPython 中运行了这些示例 - 似乎没有任何差异。

你混合了一个文字字符串\ud83d在磁盘上的 json 文件中（六个字符：\ u d 8 3 d) and a single特点u'\ud83d'（在 Python 源代码中使用字符串文字指定）在内存中。这是之间的区别len(r'\ud83d') == 6 and len('\ud83d') == 1在 Python 3 上。

如果你看到'\ud83d\ude4f'Python 字符串 (2字符）那么上游有一个错误。通常，您不应该得到这样的字符串。如果你得到了一个，但你无法修复生成它的上游；你可以使用修复它surrogatepass错误处理程序：

>>> "\ud83d\ude4f".encode('utf-16', 'surrogatepass').decode('utf-16')
'????'

Python 2 更加宽松 http://bugs.python.org/issue26260.

注意：即使您的 json 文件包含文字 \ud83d\ude4f (12人物）;你不应该得到代理对：

>>> print(ascii(json.loads(r'"\ud83d\ude4f"')))
'\U0001f64f'

注意：结果是1特点 （'\U0001f64f'），而不是代理对（'\ud83d\ude4f').