Comment puis-je obtenir python '' .encode ('unicode_escape') pour retourner les codes d'échappement pour ascii?

Question

Je suis en train d'utiliser la méthode encode de chaînes de python pour retourner les codes d'échappement unicode pour les personnages, comme ceci:

>>> print('ф'.encode('unicode_escape').decode('utf8')) 
\u0444 

Cela fonctionne très bien avec des caractères non-ascii, mais pour les caractères ascii, il retourne juste la caractères ascii eux-mêmes:

>>> print('f'.encode('unicode_escape').decode('utf8')) 
f 

La sortie désirée serait \u0066. Ce script est à des fins pédagogiques.

Comment puis-je obtenir les codes hexadécimaux Unicode pour TOUS les caractères?

Answer 1

Votre requête est un peu bizarre. En Python, nous utiliserions simplement ord à la place. Il n'y a pas besoin d'encodage/décodage ici.

>>> '"\\U{:08x}"'.format(ord('f')) # ...or \u{:04x} if you prefer 
'"\\U00000066"' 
>>> eval(_) 
'f' 

Answer 2

Vous auriez à le faire manuellement; Si vous supposez que toutes vos entrées sont dans le BMP Unicode, alors une expression rationnelle directe sera probablement la plus rapide; cela remplace tous les caractères avec leur \uhhhh évasion:

import re 

def unicode_escaped(s, _pattern=re.compile(r'[\x00-\uffff]')): 
    return _pattern.sub(lambda m: '\\u{:04x}'.format(
     ord(m.group(0))), s) 

J'ai explicitement limité le modèle à la BMP pour gérer correctement les points non-BMP.

Démo:

>>> print(unicode_escaped('foo bar ф')) 
\u0066\u006f\u006f\u0020\u0062\u0061\u0072\u0020\u0444