Python: Làm cách nào để kiểm tra xem chuỗi unicode có chứa một ký tự được sắp xếp không?

Question

Tôi đang thực hiện một bộ lọc trong đó tôi kiểm tra xem chuỗi unicode (utf-8 encoding) có chứa các ký tự viết hoa không (trong tất cả các ngôn ngữ). Sẽ ổn với tôi nếu chuỗi ký tự không chứa bất kỳ ký tự có vỏ nào cả.

Ví dụ: 'Hello!' sẽ không vượt qua bộ lọc, nhưng "!" nên vượt qua bộ lọc, vì "!" không phải là một nhân vật có vỏ.

Tôi dự định sử dụng phương thức islower(), nhưng trong ví dụ trên, "!". Islower() sẽ trả về Sai.

Theo tài liệu Python, "Phương thức unicode python islower() trả về True nếu các ký tự được bỏ chuỗi của chuỗi unicode là tất cả chữ thường và chuỗi chứa ít nhất một ký tự được lồng, nếu không, nó sẽ trả về False."

Vì phương thức này cũng trả về Sai khi chuỗi không chứa bất kỳ ký tự có vỏ nào, tức là. "!", Tôi muốn kiểm tra xem chuỗi có chứa bất kỳ ký tự có vỏ nào không.

Something như thế này ....

string = unicode("!@#$%^", 'utf-8') 

#check first if it contains cased characters 
if not contains_cased(string): 
    return True 

return string.islower(): 

Bất kỳ đề xuất cho một chức năng contains_cased()?

Hoặc có thể là cách tiếp cận triển khai khác?

Cảm ơn!

Answer 1

Here là đầy đủ những tin sốt dẻo về loại ký tự Unicode.

loại văn bao gồm:

Ll -- lowercase 
Lu -- uppercase 
Lt -- titlecase 
Lm -- modifier 
Lo -- other 

Lưu ý rằng Ll <-> islower(); tương tự cho Lu; (Lu or Lt) <-> istitle()

Bạn có thể đọc thảo luận phức tạp về cách viết hoa, bao gồm một số thảo luận về các chữ cái Lm.

Điều trị một cách mù quáng tất cả "chữ cái" như được gắn là sai rõ ràng. Danh mục Lo bao gồm các điểm mã 45301 trong BMP (được tính bằng Python 2.6). Một đoạn lớn trong số này sẽ là các âm tiết của Hangul, các bản đồ CJK, và các nhân vật Đông Á khác - rất khó để hiểu làm thế nào chúng có thể được coi là "bị bỏ rơi".

Bạn có thể muốn xem xét định nghĩa thay thế, dựa trên hành vi (không xác định) của "ký tự được gắn" mà bạn mong đợi. Đây là một nỗ lực đơn giản đầu tiên:

>>> cased = lambda c: c.upper() != c or c.lower() != c 
>>> sum(cased(unichr(i)) for i in xrange(65536)) 
1970 
>>> 

Điều thú vị là có 1216 x Ll và 937 x Lu, tổng cộng 2153 ...phạm vi để điều tra thêm về những gì Ll và Lu thực sự có ý nghĩa.

Answer 2

import unicodedata as ud 

def contains_cased(u): 
    return any(ud.category(c)[0] == 'L' for c in u) 

Answer 3

sử dụng mô-đun unicodedata,

unicodedata.category(character) 

lợi nhuận "Ll" cho chữ thường và "Lu" cho những người thân hoa.

here bạn có thể tìm thấy danh sách các loại ký tự unicode