探索表情符号编码

深入探究Emoji编码：从Unicode到UTF-8字节

您是否尝试过将包含Emoji表情的字符串转换为字节？

text = 'Hi ??‍♂️'

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

输出结果：

<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是什么，以及它们如何转换回Emoji表情？

深入研究后，您会发现单个Emoji表情需要五个Unicode字符来表示。

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

输出结果：

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

首先，我们有基础Emoji：举手的人? (128587 或十六进制的 0x1f64b)，通常表示为 U 1F64B。

然后是肤色修饰符：浅肤色 (127997)。

将这两个组合起来，您将得到一个具有这种肤色的中性性别举手的人。

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

输出结果：

<code>??</code>

倒数第二个字符代表男性符号，最后一个字符称为变体选择器-16 (VS16)，它指示前一个字符应显示为Emoji表情，而不是符号。

许多字符可以显示为符号或Emoji表情。

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

输出结果：

<code>♥
♥️</code>

注意：如果系统或渲染器不支持该Emoji表情，它可能会渲染为符号。在这种情况下，复制输出并将其粘贴到不同的文本编辑器或浏览器中以查看差异。

因此，前两个和后两个字符分别代表两个单独的Emoji表情。中间字符称为零宽度连接符 (ZWJ)，用于组合两个或多个Emoji表情。

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

输出结果：

<code>?‍?</code>

当然，系统或字体必须支持这些组合，否则它将只渲染为单独的字符。

man = '?'
toilet = '?'

print(man + chr(8205) + toilet)

输出结果：

<code>?‍?</code>

现在让我们看看一般情况下每个Unicode字符如何以UTF-8编码表示为字节。

让我们考虑字符 U 1F64B。

首先，我们必须根据字符的范围确定需要多少字节来存储它。我们可以只用三个字节来存储这个数字本身，但是这样就没有办法将它解码回单个字符。因此，使用以下模式： (为什么使用这个模式？)

11110xxx 10xxxxxx 10xxxxxx 10xxxxxx

现在让我们将数字 0x1f64b 的位放入此模式中。首先将其转换为二进制。

print(bin(0x1F64B))

输出结果：

<code>0b11111011001001011</code>

该模式有21位，因此让我们在开头添加0以匹配：

000011111011001001011
000 011111 011001 001011

放入模式中：11110000 10011111 10011001 10001011

现在，这些字节的十六进制是什么？

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

输出结果：

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

请注意，这些与我们想要理解的前四个x匹配。现在您知道它们的意思了。

相关笔记：https://www.php.cn/link/0da44af358e8fcb6a6c2040602172d8d

以上是探索表情符号编码的详细内容。更多信息请关注PHP中文网其他相关文章！