探索表情符號編碼

深入探討Emoji編碼：Unicode到UTF-8位元組

您是否嘗試過將包含Emoji表情的字串轉換為位元組？

text = 'Hi ??‍♂️'

print(bytes(text, 'utf-8'))

輸出結果：

<code>b'Hi \xf0\x9f\x99\x8b\xf0\x9f\x8f\xbd\xe2\x80\x8d\xe2\x99\x82\xef\xb8\x8f'</code>

您是否好奇那些x是什麼，以及它們如何轉換回Emoji表情？

深入研究後，您會發現單一Emoji表情需要五個Unicode字元來表示。

emoji = '??‍♂️'
print("Length: ", len(emoji))
for c in emoji:
    code = ord(c)
    print("{}\t{}\t{}".format(code, hex(code), c))

輸出結果：

<code>Length:  5
128587  0x1f64b ?
127997  0x1f3fd ?
8205    0x200d  ‍
9794    0x2642  ♂
65039   0xfe0f  ️</code>

首先，我們有基礎Emoji：舉手的人? (128587 或十六進制的 0x1f64b)，通常表示為 U 1F64B。

然後是膚色修飾符：淺膚色 (127997)。

將這兩個組合起來，您將得到一個具有這種膚色的中性性別舉手的人。

print(chr(128587) + chr(127997))

輸出結果：

<code>??</code>

倒數第二個字元代表男性符號，最後一個字元稱為變體選擇器-16 (VS16)，它指示前一個字元應顯示為Emoji表情，而不是符號。

許多字元可以顯示為符號或Emoji表情。

heart_symbol= '♥'
print(heart_symbol)
print(heart_symbol + chr(65039))

輸出結果：

<code>♥
♥️</code>

注意：如果系統或渲染器不支援該Emoji表情，它可能會渲染為符號。在這種情況下，複製輸出並將其貼上到不同的文字編輯器或瀏覽器中以查看差異。

因此，前兩個和後兩個字元分別代表兩個單獨的Emoji表情。中間字元稱為零寬度連接符號 (ZWJ)，用於組合兩個或多個Emoji表情。

woman = '?'
laptop = '?'
print(woman + chr(8205) + laptop)

輸出結果：

<code>?‍?</code>

當然，系統或字體必須支援這些組合，否則它將只渲染為單獨的字元。

man = '?'
toilet = '?'

print(man + chr(8205) + toilet)

輸出結果：

<code>?‍?</code>

現在讓我們看看一般情況下每個Unicode字元如何以UTF-8編碼表示為位元組。

讓我們考慮字元 U 1F64B。

首先，我們必須根據字元的範圍確定需要多少位元組來儲存它。我們可以只用三個位元組來儲存這個數字本身，但是這樣就沒有辦法將它解碼回單一字元。因此，使用以下模式： (為什麼要使用這個模式？)

11110xxx 10xxxxxx 10xxxxxx 10xxxxxx

現在讓我們將數字 0x1f64b 的位元放入此模式。首先將其轉換為二進制。

print(bin(0x1F64B))

輸出結果：

<code>0b11111011001001011</code>

該模式有21位，因此讓我們在開頭添加0以匹配：

000011111011001001011
000 011111 011001 001011

放入模式：11110000 10011111 10011001 10001011

現在，這些位元組的十六進位是什麼？

print(list(map(hex, [0b11110000, 0b10011111, 0b10011001, 0b10001011])))

輸出結果：

<code>['0xf0', '0x9f', '0x99', '0x8b']</code>

請注意，這些與我們想要理解的前四個x匹配。現在您知道它們的意思了。

相關筆記：https://www.php.cn/link/0da44af358e8fcb6a6c2040602172d8d

以上是探索表情符號編碼的詳細內容。更多資訊請關注PHP中文網其他相關文章！