Python ord()与chr()码点转换陷阱及安全处理

脚本专家

Python 中 ord() 和 chr() 负责在单个字符与 Unicode 码点之间互转，看似简单，实际涉及码点、编码字节和字素簇三层模型。原文强调的核心事实是：ord() 只接受长度为 1 的 str，或长度为 1 的 bytes/bytearray；chr() 只接受 0 到 0x10FFFF 的整数。理解这两个边界，比记住函数名更重要。

【先厘清码点、字节和字素簇】
Unicode 码点是字符的唯一整数编号，例如 'A' 是 65，'中' 是 20013，'😀' 是 128512。ord(c) 返回的是码点，不是 UTF-8 编码后的字节值。'中'.encode('utf-8') 得到三个字节，而 ord('中') 仍是 20013。Python 3 的 str 是码点序列，len() 返回码点数；UTF-8 的码元是字节，UTF-16 的码元是 16 位单元。emoji 和带音标字母还可能是多个码点组成的字素簇，ord() 无法直接处理整个字素簇。

【典型错误与原因】
第一类错误是 ord() 参数长度不为 1：

2. ord('')
3. # TypeError: ord() expected a character, but string of length 0 found
4. ord('ab')
5. # TypeError: ord() expected a character, but string of length 2 found
6. ord(b'')
7. # TypeError

复制代码

要获取整个字符串的码点，必须遍历：

2. codes = [ord(c) for c in 'hello']
3. print(codes)
4. # [104, 101, 108, 108, 111]

复制代码

第二类错误是 chr() 参数越界或类型不对：

2. chr(-1)
3. # ValueError: chr() arg not in range(0x110000)
4. chr(0x110000)
5. # ValueError: chr() arg not in range(0x110000)
6. chr('65')
7. # TypeError
8. chr(65.0)
9. # TypeError

复制代码

Unicode 码点有效范围是 0 到 0x10FFFF。chr() 只接受整数，不接受字符串或浮点数。

第三类错误是代理码点导致编码失败。0xD800 到 0xDFFF 是 UTF-16 代理区，Python 允许 chr() 生成代理字符，但单独放入字符串后通常不能编码为 UTF-8：

2. c = chr(0xD800)
3. print(repr(c))
4. c.encode('utf-8')
5. # UnicodeEncodeError: surrogates not allowed

复制代码

除非在专门处理 UTF-16 代理对，否则应避免生成代理码点。

第四类错误是把 ord() 当成 encode()。ord('中') 返回 20013，是码点；要拿 UTF-8 字节值应使用 encode()：

2. print(ord('中'))
3. # 20013
4. print(list('中'.encode('utf-8')))
5. # [228, 184, 173]

复制代码

ord() 与 encode() 的职责不同：前者做字符到码点，后者做字符到编码字节。

第五类错误是对 emoji 或组合字符直接调用 ord()。家庭 emoji 由多个码点组成，ord(emoji) 会因字符串长度不为 1 报 TypeError；ord(emoji[0]) 只能取第一个码点。组合字符如 e 加重音符号也是两个码点，需要遍历或先做 Unicode 规范化：

2. import unicodedata
3. s = 'e' + chr(0x0301)
4. print(len(s))
5. # 2
6. normalized = unicodedata.normalize('NFC', s)
7. print(len(normalized))
8. print(ord(normalized))
9. # 233

复制代码

另外，ord() 对长度为 1 的 bytes 或 bytearray 会返回 0 到 255 的字节值，例如 ord(b'A') 返回 65，ord(bytearray(b'A')) 也返回 65；但 ord(b'AB') 会报长度错误。这个行为容易与 str 的码点语义混淆，使用时应明确输入类型。

【可落地的安全写法】
对 chr() 做类型、范围和代理区检查，可以避免大部分运行时异常：

2. def safe_chr(i):
3.     if not isinstance(i, int):
4.         raise TypeError('码点必须是整数')
5.     if not (0 <= i <= 0x10FFFF):
6.         raise ValueError(f'码点 {i} 超出 Unicode 范围')
7.     if 0xD800 <= i <= 0xDFFF:
8.         raise ValueError(f'码点 {i} 是代理码点，不能单独使用')
9.     return chr(i)

复制代码

从码点列表还原字符串时，可用 join 配合 chr()：

2. codes = [72, 101, 108, 108, 111]
3. s = ''.join(chr(c) for c in codes)
4. print(s)
5. # Hello

复制代码

生成字符范围也是常见用法，例如生成 A 到 Z：

2. letters = [chr(i) for i in range(ord('A'), ord('Z') + 1)]
3. print(letters)

复制代码

获取字符的十六进制码点表示，便于对照 Unicode 表：

2. c = '中'
3. print(hex(ord(c)))
4. # 0x4e2d
5. print(f'U+{ord(c):04X}')
6. # U+4E2D

复制代码

需要查询字符身份时，可用 unicodedata：

2. import unicodedata
3. c = '中'
4. print(unicodedata.name(c))
5. print(unicodedata.category(c))

复制代码

处理用户输入时，应明确要求单个字符，并校验长度：

2. def char_to_code(s):
3.     if len(s) != 1:
4.         raise ValueError('请输入单个字符')
5.     return ord(s)
7. def code_to_char(i):
8.     try:
9.         return chr(i)
10.     except ValueError as e:
11.         raise ValueError(f'无效码点: {i}') from e

复制代码

【调试与边界测试】
调试 Unicode 问题时，优先打印 repr()，确认字符真实表示；用 hex() 和 U+ 格式对照码点；用 len() 判断是单个码点还是多个码点；用 unicodedata.name() 确认字符身份。对 chr() 生成的字符尝试 encode('utf-8')，可以暴露代理码点问题。终端显示为方块或乱码不一定是 Python 错误，也可能是字体不支持，字符本身仍可能有效。测试中应覆盖 0、0x10FFFF、代理区以及多码点 emoji 等边界。

【最佳实践】
ord() 只处理单个码点，多字符字符串要遍历；chr() 参数必须是 0 到 0x10FFFF 的整数，并避开代理区；码点不是字节，不要用 ord() 代替 encode()；处理 emoji 和组合字符时，注意字素簇与规范化；在输入校验、文档和测试中明确区分码点、字节和字素簇。只要牢记 ord() 与 chr() 只围绕单个码点工作，并在边界处主动校验，就能减少 TypeError、ValueError 和 UnicodeEncodeError 带来的排查成本。