Python - Чтение символов Unicode от Emoji

Question

У меня есть программа Python 2.7, которая читает текстовые сообщения iOS из базы данных SQLite. Текстовые сообщения являются строками unicode. В следующем текстовом сообщении:

u'that\u2019s \U0001f63b' 

Апостроф представлен \u2019, но смайлики представлены \U0001f63b. Я искал код для рассматриваемого emoji, и это \uf63b. Я не уверен, откуда идет 0001. Я мало знаю о кодировке символов.

При печати текста посимвольно, используя:

s = u'that\u2019s \U0001f63b' 

for c in s: 
    print c.encode('unicode_escape') 

Программа производит следующий вывод:

t 
h 
a 
t 
\u2019 
s 

\ud83d 
\ude3b 

Как правильно прочитать эти последние символы в Python? Я правильно использую кодировку здесь? Должен ли я просто попытаться уничтожить эти 0001 s перед чтением, или есть более простой, менее глупый способ?

Answer 1

Я не думаю, что вы правильно используете кодировку и не нуждаетесь. То, что у вас есть, является допустимой строкой unicode с одной четырехзначной и одной 8-разрядной escape-последовательностью. Попробуйте это в РЕПЛ, скажем, OS X

>>> s = u'that\u2019s \U0001f63b' 
>>> print s 
that’s 

В Python3, хотя -

Python 3.4.3 (default, Jul 7 2015, 15:40:07) 
>>> s = u'that\u2019s \U0001f63b' 
>>> s[-1] 
'' 

Answer 2

Ваша последняя часть путаницы, вероятно, связано с тем, что вы работаете, что называется " узкая сборка Python ". Python не может содержать ни одного символа с достаточной информацией для хранения одного эмози. Лучшим решением было бы перейти на Python 3. В противном случае попробуйте обработать UTF-16 surrogate pair.