如何将表示UTF-8字符的int转换为Unicode代码点？

Question

让我们以字符拉丁大写字母Ogonek（U+0104）为例。

我有一个int，表示它的UTF-8编码形式：

my_int = 0xC484
# Decimal: `50308`
# Binary: `0b1100010010000100`

如果使用unichr函数，我得到的结果是：\uC484 或者 쒄 (U+C484)。但是，我需要输出：Ą。如何将my_int转换为Unicode代码点？

- A. K. Tolentino

---

有趣的问题。不过我很好奇会产生UTF-8整数的API是什么类型呢？ - Cameron

相关：将Python int转换为大端字节字符串 - jfs

Answer 1

为了将整数0xC484转换为字节串'\xc4\x84'（Unicode字符Ą的UTF-8表示），您可以使用struct.pack()函数：

>>> import struct
>>> struct.pack(">H", 0xC484)
'\xc4\x84'

...其中>在格式字符串中表示大端，而H表示无符号短整型。

一旦您拥有了UTF-8字节串，就可以像往常一样解码为Unicode：

>>> struct.pack(">H", 0xC484).decode("utf8")
u'\u0104'

>>> print struct.pack(">H", 0xC484).decode("utf8")
Ą

- Zero Piraeus

---

utf-8编码可以使用不同数量的字节来编码不同的Unicode代码点（从一个字节到4个字节）。 '>H' 仅适用于2字节序列。 - jfs

Answer 2

将数字编码为十六进制字符串，使用hex()或%x。然后可以使用hex解码器将其解释为一系列十六进制字节。最后使用utf-8解码器获取Unicode字符串：

def weird_utf8_integer_to_unicode(n):
    s= '%x' % n
    if len(s) % 2:
        s= '0'+s
    return s.decode('hex').decode('utf-8')

如果第一个字节在0x1-0xF范围内，len检查将会确保它不会丢失前导零。这应该能够处理任何长度的字符串和任何字符（但是像这样在整数中编码字节序列将无法保留前导零字节）。

- bobince

Answer 3

>>> int2bytes(0xC484).decode('utf-8')
u'\u0104'
>>> print(_)
Ą

在这里定义了int2bytes()。

- jfs