Convertir punto de código unicode en hex UTF8 en python

Question

Quiero convertir un número de puntos de código unicode leídos de un archivo a su codificación UTF8.

por ejemplo Quiero convertir la cadena 'FD9B' en la cadena 'EFB69B'.

que pueda hacer esto manualmente usando literales de cadena como esta:

u'\uFD9B'.encode('utf-8') 

pero no puedo encontrar la manera de hacerlo mediante programación.

Answer 1

utilizar la función incorporada de unichr() para convertir el número de caracteres, a continuación, codificar que:

>>> unichr(int('fd9b', 16)).encode('utf-8') 
'\xef\xb6\x9b' 

Esta es la propia cadena. Si desea que la cadena sea hexadecimal ASCII, deberá recorrer y convertir cada carácter c en hexadecimal, utilizando hex(ord(c)) o similar.

Answer 2

Python 2.6.2 (r262:71600, Apr 16 2009, 09:17:39) 
[GCC 4.0.1 (Apple Computer, Inc. build 5250)] on darwin 
Type "help", "copyright", "credits" or "license" for more information. 
>>> u'\uFD9B'.encode('utf-8') 
'\xef\xb6\x9b' 
>>> s = 'FD9B' 
>>> i = int(s, 16) 
>>> i 
64923 
>>> unichr(i) 
u'\ufd9b' 
>>> _.encode('utf-8') 
'\xef\xb6\x9b' 

Answer 3

data_from_file='\uFD9B' 
unicode(data_from_file,"unicode_escape").encode("utf8") 

Answer 4

Si la longitud de cadena de entrada es un múltiplo de 4 (es decir, sus puntos de código Unicode son UCS-2 codificada), a continuación, intentar esto:

import struct 

def unihex2utf8hex(arg): 
    count= len(arg)//4 
    uniarr= struct.unpack('!%dH' % count, arg.decode('hex')) 
    return u''.join(map(unichr, uniarr)).encode('utf-8').encode('hex') 

>>> unihex2utf8hex('fd9b') 
'efb69b' 

Answer 5

aquí es una solución completa:

>>> ''.join(['{0:x}'.format(ord(x)) for x in unichr(int('FD9B', 16)).encode('utf-8')]).upper() 
'EFB69B' 

Answer 6

Debido a que es posible que se produzca un error durante el uso de unichr con caracteres Unicode de ancho:

>>> n = int('0001f600', 16) 
>>> unichr(n) 
ValueError: unichr() arg not in range(0x10000) (narrow Python build) 

Aquí es otro enfoque para todo el Unicode en Python estrecha construye:

>>> n = int('0001f600', 16) 
>>> s = '\\U{:0>8X}'.format(n) 
>>> s = s.decode('unicode-escape') 
>>> s.encode("utf-8") 
'\xf0\x9f\x98\x80' 

Y utilizando el valor de la pregunta original:

>>> n = int('FD9B', 16) 
>>> s = '\\u{:0>4X}'.format(n) 
>>> s = s.decode('unicode-escape') 
>>> s.encode("utf-8") 
'\xef\xb6\x9b'