Erkunden Sie Emoji-Kodierungen

Tiefer Einblick in die Emoji-Kodierung: von Unicode bis UTF-8-Bytes

Haben Sie versucht, eine Zeichenfolge mit Emoji in Bytes umzuwandeln?

text = 'Hi ??‍♂️'

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

Ausgabeergebnis:

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

Sind Sie neugierig, was diese x sind und wie sie wieder in Emoji umgewandelt werden?

Wenn Sie genauer hinschauen, werden Sie feststellen, dass für die Darstellung eines einzelnen Emojis fünf Unicode-Zeichen erforderlich sind.

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

Ausgabeergebnis:

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

Zuerst haben wir das grundlegende Emoji: Person mit erhobenen Händen? (128587 oder 0x1f64b in Hexadezimalzahl), normalerweise dargestellt als U 1F64B.

Dann gibt es noch den Hauttonmodifikator: Heller Hautton (127997).

Kombinieren Sie diese beiden und Sie erhalten eine geschlechtsneutrale Person mit erhobener Hand und diesem Hautton.

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

Ausgabeergebnis:

<code>??</code>

Das vorletzte Zeichen stellt das männliche Symbol dar und das letzte Zeichen heißt Variant Selector-16 (VS16), was angibt, dass das vorherige Zeichen als Emoji und nicht als Symbol angezeigt werden soll.

Viele Zeichen können als Symbole oder Emojis angezeigt werden.

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

Ausgabeergebnis:

<code>♥
♥️</code>

Hinweis: Wenn das System oder der Renderer das Emoji nicht unterstützt, wird es möglicherweise als Symbol gerendert. Kopieren Sie in diesem Fall die Ausgabe und fügen Sie sie in einen anderen Texteditor oder Browser ein, um die Unterschiede zu sehen.

Daher stellen die ersten beiden und die letzten beiden Zeichen zwei separate Emoji-Ausdrücke dar. Das mittlere Zeichen wird als Zero-Width Joiner (ZWJ) bezeichnet und dient zum Kombinieren von zwei oder mehr Emojis.

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

Ausgabeergebnis:

<code>?‍?</code>

Natürlich muss das System oder die Schriftart diese Kombinationen unterstützen, sonst werden sie nur als separate Zeichen dargestellt.

man = '?'
toilet = '?'

print(man + chr(8205) + toilet)

Ausgabeergebnis:

<code>?‍?</code>

Sehen wir uns nun an, wie jedes Unicode-Zeichen in der UTF-8-Codierung im Allgemeinen als Bytes dargestellt wird.

Betrachten wir das Zeichen U 1F64B.

Zuerst müssen wir basierend auf dem Zeichenbereich bestimmen, wie viele Bytes zum Speichern benötigt werden. Wir könnten die Zahl selbst in nur drei Bytes speichern, aber dann gäbe es keine Möglichkeit, sie wieder in ein einzelnes Zeichen zu dekodieren. Daher wird das folgende Muster verwendet: (Warum dieses Muster verwenden?)

11110xxx 10xxxxxx 10xxxxxx 10xxxxxx

Jetzt fügen wir die Bits der Zahl 0x1f64b in dieses Muster ein. Konvertieren Sie es zunächst in eine Binärdatei.

print(bin(0x1F64B))

Ausgabeergebnis:

<code>0b11111011001001011</code>

Das Muster hat 21 Bits, also fügen wir am Anfang 0 hinzu, um eine Übereinstimmung zu erzielen:

000011111011001001011
000 011111 011001 001011

In Muster einfügen: 11110000 10011111 10011001 10001011

Was ist nun die hexadezimale Darstellung dieser Bytes?

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

Ausgabeergebnis:

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

Beachten Sie, dass diese mit den ersten vier übereinstimmen x, die wir verstehen möchten. Jetzt wissen Sie, was sie bedeuten.

Zugehörige Hinweise: https://www.php.cn/link/0da44af358e8fcb6a6c2040602172d8d

Das obige ist der detaillierte Inhalt vonErkunden Sie Emoji-Kodierungen. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!