Question

在标准库的“string”模块中，

string.ascii_letters ## Same as string.ascii_lowercase + string.ascii_uppercase

是

'abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ'

是否有一个类似的常量，其中包含所有被认为是unicode字母的内容？

Answer 1

您可以使用以下命令构建自己的Unicode大写和小写字母常量：

import unicodedata as ud
all_unicode = ''.join(unichr(i) for i in xrange(65536))
unicode_letters = ''.join(c for c in all_unicode
                          if ud.category(c)=='Lu' or ud.category(c)=='Ll')

这使得字符串长度为2153个字符（缩小的Unicode Python构建版本）。对于像letter in unicode_letters这样的代码，使用集合会更快：

unicode_letters = set(unicode_letters)

Answer 2

没有字符串，但您可以使用unicodedata模块检查字符是否为字母，特别是其category()函数。

>>> unicodedata.category(u'a')
'Ll'
>>> unicodedata.category(u'A')
'Lu'
>>> unicodedata.category(u'5')
'Nd'
>>> unicodedata.category(u'ф') # Cyrillic f.
'Ll'
>>> unicodedata.category(u'٢') # Arabic-indic numeral for 2.
'Nd'

Ll表示“字母，小写”。 Lu表示“字母，大写”。 Nd表示“数字，数字”。

Answer 3

这将是一个相当大的常数。 Unicode目前涵盖超过100,000个不同的字符。所以答案是否定的。

问题是你为什么需要它？例如，可能有一些其他方法可以解决unicodedata模块的问题。

更新：你可以下载包含ftp://ftp.unicode.org/所有unicode数据点名称和其他信息的文件，然后用它来做大量有趣的事情。

Answer 4

如前面的答案中所述，字符串确实方式太长。因此，您必须针对（a）特定语言 [编辑：我意识到这是我原来的预期用途，对于大多数用途，我猜。然而，与此同时，Mark Tolonen对问题提出了一个很好的答案，所以我选择了他的答案，尽管我使用了以下解决方案]

使用“locale”模块可以轻松完成：

import locale
import string
code = 'fr_FR' ## Do NOT specify encoding (see below)
locale.setlocale(locale.LC_CTYPE, code)
encoding = locale.getlocale()[1]
letters = string.letters.decode(encoding)

“letters”是一个117个字符长的unicode字符串。

显然，string.letters依赖于所选语言代码的默认编码，而不是语言本身。将语言环境设置为fr_FR或de_DE或es_ES会将string.letters更新为相同的值（因为它们都默认在ISO8859-1中编码）。

如果在语言代码（de_DE.UTF-8）中添加编码，则将使用默认编码代替string.letters。如果您使用上述代码的其余部分，那将导致UnicodeDecodeError。

python 2.x中unicode字符串的string.ascii_letters相当于？

4 个答案: