代码收藏家技术教程 2024-08-04

零宽字符编码python解码

零宽字符

简要描述

零宽字符（Zero-Width Characters）是一组在文本中不占用显示空间的特殊字符。以下是一些常见的零宽字符及其简要描述：

零宽度空格（Zero Width Space）：

Unicode码：U+200B

常见于文本处理、格式化和布局中，用于插入间隔或边界，而不影响可见布局。

零宽度非断空格（Zero Width No-Break Space）：

Unicode码：U+FEFF

这是一个特殊的空格字符，用于阻止特定位置的换行分隔。

零宽度连字符（Zero-Width Joiner）：

Unicode码：U+200D

用于阿拉伯语、印度语系等文字中，使不会发生连字的字符间产生连字效果。

零宽度断字符（Zero-Width Non-Joiner）：

Unicode码：U+200C

用于阻止会发生连字的字符间的连字效果。

左至右标记（Left-to-Right Mark）：

Unicode码：U+200E

用于在混合文字方向的多种语言文本中（如混合左至右书写的英语与右至左书写的阿拉伯语）指示文本从左到右显示。

右至左标记（Right-to-Left Mark）：

Unicode码：U+200F

与左至右标记相反，它指示文本从右到左显示。

这些只是零宽字符中的一部分

表达形式

<0x200b> 是 8203 零宽字符的十六进制表示，也就是说这个表示方法和直接使用 U+200B 是等价的。在一些字符处理软件或编程语言中，可能会使用这种十六进制表示方法来操作或表示这个字符。例如，在 Python 中，可以使用 "\u200b" 或 "\u200B" 来表示 8203 零宽字符。

列如：

码点：U+200B

Python：\u200b或\u200B

十六进制表示：<0x200b>

十进制：8203

解码原理

使用读取python读取零宽节字符时,python会自动将字符转变为unicode编码

而在此编码中使用的零宽节字符unicode编码有：

\u200b,\u200c,\u200d

经过观察可以得知是使用了摩尔斯电码

对应：<0x200b>,<0x200c>,<0x200d>

替换：<0x200b>替换”空格”

<0x200c>替换”.”

<0x200d>替换“-”

经摩斯密码解密后为?u6211

此编码格式为unicode编码的十进制形式6211

解码后得到明文：我

解码程序

import re
def replace_unicode_chars(text):
    # 定义要替换的Unicode字符及其替换字符
    replacements = {
        '\u200b': ' ',  # ZERO WIDTH SPACE
        '\u200c': '.',  # ZERO WIDTH NON-JOINER
        '\u200d': '-'  # ZERO WIDTH JOINER
    }

    # 使用translate方法替换Unicode字符
    trans_table = str.maketrans(replacements)
    return text.translate(trans_table)


# 示例使用（这里我们假设text_with_unicode包含实际的Unicode字符）
with open('put.txt','r',encoding='utf-8') as file:
    string=file.read()
text_with_unicode = string
replaced_text = replace_unicode_chars(text_with_unicode)
print(replaced_text)



MORSE_CODE_DICT = {
    '.-': 'A', '-...': 'B', '-.-.': 'C', '-..': 'D', '.': 'E',
    '..-.': 'F', '--.': 'G', '....': 'H', '..': 'I', '.---': 'J',
    '-.-': 'K', '.-..': 'L', '--': 'M', '-.': 'N', '---': 'O',
    '.--.': 'P', '--.-': 'Q', '.-.': 'R', '...': 'S', '-': 'T',
    '..-': 'U', '...-': 'V', '.--': 'W', '-..-': 'X', '-.--': 'Y',
    '--..': 'Z',
    '.----': '1', '..---': '2', '...--': '3', '....-': '4',
    '.....': '5', '-....': '6', '--...': '7', '---..': '8', '----.': '9',
    '-----': '0',
    '.-': 'a', '-...': 'b', '-.-.': 'c', '-..': 'd', '.': 'e',
    '..-.': 'f', '--.': 'g', '....': 'h', '..': 'i', '.---': 'j',
    '-.-': 'k', '.-..': 'l', '--': 'm', '-.': 'n', '---': 'o',
    '.--.': 'p', '--.-': 'q', '.-.': 'r', '...': 's', '-': 't',
    '..-': 'u', '...-': 'v', '.--': 'w', '-..-': 'x', '-.--': 'y',
    '--..': 'z',
    '.--.-': '?'  # 摩尔斯电码中的问号
}
def decode_morse(morse_code):
    words = morse_code.split()  # 假设单词之间用空格分隔
    decoded_words = []
    for word in words:
        # 假设字符之间也是用空格分隔的
        chars = word.split()
        # 过滤掉空字符串和不在字典中的字符
        decoded_chars = [MORSE_CODE_DICT[char] for char in chars if char and char in MORSE_CODE_DICT]
        # 如果decoded_chars不为空，则将其加入decoded_words列表
        if decoded_chars:
            decoded_words.append(''.join(decoded_chars))
    return ''.join(decoded_words)

def unicode1(s):
    # 使用正则表达式查找所有形如?uXXXX的字符串
    matches = re.findall(r'\?u([0-9a-fA-F]{4})', s)
    finsh=''
    for hex_code in matches:
        # 将十六进制数字转换为整数（Unicode码点）
        unicode_code_point = int(hex_code, 16)
        # 使用chr()函数将整数（Unicode码点）转换为对应的Unicode字符
        a = chr(unicode_code_point)
        finsh=finsh+a
    print(finsh)  # 输出对应的Unicode字符




morse_message = replaced_text
decoded_message = decode_morse(morse_message)
print(decoded_message) 
unicode1(decoded_message)

put.txt