python對16位unicode漢字處理

 最近筆者遇到了一個頭疼的問題，從一個檔案中讀出的字元串裡所有的漢字都是由unicode編碼的，必須對這些字元串進行解碼，将漢字還原。例如：字元串中是"/u7ae0"，必須把它轉換為u"/7ae0"，即漢字中的“章”。

就這樣一個簡單的漢字解碼，筆者嘗試了三次之後才搞定。

1. 第一階段，粗放式的原始社會

  在python中有直接對單個unicode進行解碼的函數，unichr()函數，通過它可以将輸入的字元串轉換為unicode碼，但是要注意的是，unichr()函數的輸入參數不是字元串，是以必須首先把字元串專程整型。

  第一種方法為

  ncode = int(char1,16)

  uchar = unichr(ncode) 

  這樣可以把單一個漢字轉換，但是問題是，字元串中有大量的待轉換，甚至有的字元串中就有十萬記待轉換的漢字字元，這樣必須使用循環對每個字元進行轉換，嚴重影響效率。

2.第二階段，衆裡尋他千百度

 第一種方法實在是不能滿足需求，就在筆者将要放棄之時，在網上搜尋到了解決的辦法。使用decode/encode函數，decode函數和encode函數接受一個字元串做參數傳回該字元串對應的解碼後/編碼後的字元串。其實這個函數之前就有考慮過，但是沒找到對應的參數。

  解決方法：

    str = str.decode('unicode_escape')

    str = str.encode('gbk')

  第一步将字元串解碼為unicode，第二步将unicode碼編碼為gbk漢字碼。

此種方法能夠将整個字元串中的漢字全部編碼。

3.第三階段，排除小問題

  有了第二種方法，貌似問題迎刃而解，但是在實際使用過程中，還出現了一個小問題，在解碼中，字元串中反斜杠字元被誤認為轉義字元了，存在部分反斜杠被誤解碼。

 解決的方法是一個笨辦法：

  首先将/u替換其他某個字元如 “%u”，然後把所有的“/”，替換為“%$”，然後再把“%u”替換回來，再使用上面提的方法進行解碼，解碼完之後，再将“%$”替換為"/"，這樣問題解決了，貌似也沒有太多的性能損失。

  不知道有沒有更好的辦法，今後碰到了再想更優化的辦法~