首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >python判断unicode是否是汉字,数字,英文,或者其他字符

python判断unicode是否是汉字,数字,英文,或者其他字符

原创
作者头像
好派笔记
修改2021-11-03 12:27:52
2.7K0
修改2021-11-03 12:27:52
举报
文章被收录于专栏:好派笔记好派笔记

下面这个小工具包含了 判断unicode是否是汉字,数字,英文,或者其他字符。 全角符号转半角符号。 unicode字符串归一化等工作。

 #!/usr/bin/env python

# -*- coding:GBK -*- 



"""汉字处理的工具:

判断unicode是否是汉字,数字,英文,或者其他字符。

全角符号转半角符号。"""

def is_chinese(uchar):

        """判断一个unicode是否是汉字"""

        if uchar >= u'u4e00' and uchar<=u'u9fa5':

                return True

        else:

                return False



def is_number(uchar):

        """判断一个unicode是否是数字"""

        if uchar >= u'u0030' and uchar<=u'u0039':

                return True

        else:

                return False



def is_alphabet(uchar):

        """判断一个unicode是否是英文字母"""

        if (uchar >= u'u0041' and uchar<=u'u005a') or (uchar >= u'u0061' and uchar<=u'u007a'):

                return True

        else:

                return False



def is_other(uchar):

        """判断是否非汉字,数字和英文字符"""

        if not (is_chinese(uchar) or is_number(uchar) or is_alphabet(uchar)):

                return True

        else:

                return False



def B2Q(uchar):

        """半角转全角"""

        inside_code=ord(uchar)

        if inside_code<0x0020 or inside_code>0x7e:      #不是半角字符就返回原来的字符

                return uchar

        if inside_code==0x0020: #除了空格其他的全角半角的公式为:半角=全角-0xfee0

                inside_code=0x3000

        else:

                inside_code+=0xfee0

        return unichr(inside_code)



def Q2B(uchar):

        """全角转半角"""

        inside_code=ord(uchar)

        if inside_code==0x3000:

                inside_code=0x0020

        else:

                inside_code-=0xfee0

        if inside_code<0x0020 or inside_code>0x7e:      #转完之后不是半角字符返回原来的字符

                return uchar

        return unichr(inside_code)



def stringQ2B(ustring):

        """把字符串全角转半角"""

        return "".join([Q2B(uchar) for uchar in ustring])



def uniform(ustring):

        """格式化字符串,完成全角转半角,大写转小写的工作"""

        return stringQ2B(ustring).lower()



def string2List(ustring):

        """将ustring按照中文,字母,数字分开"""

        retList=[]

        utmp=[]

        for uchar in ustring:

                if is_other(uchar):

                        if len(utmp)==0:

                                continue

                        else:

                                retList.append("".join(utmp))

                                utmp=[]

                else:

                        utmp.append(uchar)

        if len(utmp)!=0:

                retList.append("".join(utmp))

        return retList



if __name__=="__main__":

        #test Q2B and B2Q

        for i in range(0x0020,0x007F):

                print Q2B(B2Q(unichr(i))),B2Q(unichr(i))



        #test uniform

        ustring=u'中国 人名a高频A'

        ustring=uniform(ustring)

        ret=string2List(ustring)

        print ret

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档