使用 Python 将中文 Unicode 码位转换为字符串

Question

我有一个包含 8105 个中文字符的Unicode 代码点的文件，看起来类似于U+516DU+4E03U+516B我理解这些代表以下汉字六 [Chinese character for 'six', Reference http://hanzidb.org/character/%E5%85%AD]七 [Chinese character for 'seven', Reference http://hanzidb.org/character/%E4%B8%83]八 [Chinese character for 'eight', Reference http://hanzidb.org/character/%E5%85%AB]如何使用 Python 3 将包含字符串U+516D, U+4E03,的文件转换U+516B为对应的汉字？任何帮助，将不胜感激。提前致谢。

Answer 1

def get_character(string):

    return chr(int(string[2:], 16))

>>> get_character("U+4E03")

'七'

>>> get_character("U+516D")

'六'

>>> get_character("U+4E03")

'七'

>>> get_character("U+516B")

'八'

这是我所知道的最简单的方法，注意它不会检查正确的格式，只是砍掉前 2 个字符，假设U+

Answer 2

此正则表达式会将U+hhhh格式（4-6 个十六进制字符）的文本转换为其相应的 Unicode 代码点：

import re

s = 'U+516D U+4E03 U+516B'

s = re.sub(r'U\+([0-9A-F]{4,6})',lambda m: chr(int(m.group(1),16)),s)

print(s)

输出：

六 七 八