利用 utf-8 编码判断中文英文字符
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.
_#!/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
_#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
**以下为中英数字判断参考代码**
def is_ch_num_eng(str_pd):
ch_num_eng='null'
char_pd=0
char_pd1=0
char_pd2=0
char_pd3=0
for i in str_pd:
"""判断一个unicode是否是汉字"""
if i >= u'\u4e00' and i<=u'\u9fa5':
char_pd1=100
"""判断一个unicode是否是英文字母"""
if (i >= u'\u0041' and i <=u'\u005a') or (i >= u'\u0061' and i <=u'\u007a'):
char_pd3=20
"""判断一个unicode是否是数字"""
if i >= u'\u0030' and i<=u'\u0039':
char_pd2=3
char_pd=char_pd1+char_pd2+char_pd3
if char_pd==3:
ch_num_eng='num'
if char_pd==20:
ch_num_eng='eng'
if char_pd==100:
ch_num_eng='ch'
if char_pd==23:
ch_num_eng='eng+num'
if char_pd==103:
ch_num_eng='ch+num'
if char_pd==120:
ch_num_eng='ch+eng'
if char_pd==123:
ch_num_eng='all'
return ch_num_eng
Python 默认编码格式不就是 utf-8 吗 这个中文英文字符应该不用转吧。。。。