unicodedata.digit和unicodedata.numeric有什么区别？

Question

来自unicodedata doc：

  

unicodedata.digit（chr [，default]）返回分配给的数字值   字符chr为整数。如果未定义此类值，则默认为   返回，或者，如果没有给出，则引发ValueError。

     

unicodedata.numeric（chr [，default]）返回指定的数值   将字符chr作为float。如果未定义此类值，则默认为   返回，或者，如果没有给出，则引发ValueError。

有人可以解释一下这两个功能之间的区别吗？

这里可以阅读the implementation of both functions，但对我来说并不明显，因为我不熟悉CPython的实现，因此与快速查看有什么区别。

编辑1：

很好的例子可以显示差异。

编辑2：

用于补充评论的示例以及来自@ user2357112的精彩答案：

print(unicodedata.digit('1')) # Decimal digit one.
print(unicodedata.digit('١')) # ARABIC-INDIC digit one
print(unicodedata.digit('¼')) # Not a digit, so "ValueError: not a digit" will be generated.

print(unicodedata.numeric('Ⅱ')) # Roman number two.
print(unicodedata.numeric('¼')) # Fraction to represent one quarter.

Answer 1

简短回答：

如果一个字符代表一个十进制数字，那么像1，¹（SUPERSCRIPT ONE），①（CIRCLED DIGIT ONE），١（ARABIC-INDIC） DIGIT ONE），unicodedata.digit将返回字符表示为int的数字（所有这些示例都为1）。

如果字符代表任何数值，那么诸如⅐（VULGAR FRACTION ONE SEVENTH）和所有十进制数字示例unicodedata.numeric之类的东西将把该字符的数值作为浮点数。

由于技术原因，最新的数字字符如（DINGBAT NEGATIVE CIRCLED SANS-SERIF DIGIT ZERO）可能会引发unicodedata.digit的ValueError。

答案很长：

Unicode字符都具有Numeric_Type属性。此属性可以有4个可能的值：Numeric_Type = Decimal，Numeric_Type = Digit，Numeric_Type = Numeric或Numeric_Type = None。

引用Unicode standard, version 10.0.0, section 4.6，

  

Numeric_Type = Decimal属性值（与General_Category = Nd相关联   属性值）仅限于十进制基数中使用的那些数字字符   数字和一组完整的数字已在连续范围内编码，   以Numeric_Value的升序排列，并以数字零作为第一个代码点   范围。

Numeric_Type =十进制字符因此是符合其他一些特定技术要求的十进制数字。

  

排除了这些属性赋值在Unicode标准中定义的十进制数字   一些字符，如CJK表意数字（见表4-5中的前十个条目），   它们不是以连续的顺序编码的。十进制数字也不包括兼容性   下标和上标数字，以防止简单的解析器误解   他们在上下文中的价值（有关上标和下标的更多信息，请参阅   第22.4节，上标和下标符号。）传统上，Unicode字符   数据库已经为这些非连续或兼容性数字组赋值Numeric_Type = Digit，以识别它们由数字值组成但不一定   满足Numeric_Type = Decimal的所有条件。但是，区别   Numeric_Type = Digit和更通用的Numeric_Type = Numeric已被证明不是   在实现中很有用。结果，未来的数字组可以添加到标准中   哪些不符合Numeric_Type = Decimal的标准就是   分配值Numeric_Type = Numeric。

所以Numeric_Type = Digit历史上用于不符合Numeric_Type = Decimal的技术要求的其他数字，但他们认为没有用，并且不符合Numeric_Type = Decimal要求的数字字符刚刚被赋予Numeric_Type = Numeric，因为Unicode 6.3.0。例如，Unicode 7.0中引入的（DINGBAT NEGATIVE CIRCLED SANS-SERIF DIGIT ZERO）具有Numeric_Type = Numeric。

Numeric_Type =数字表示代表数字且不适合其他类别的所有字符，Numeric_Type = None表示不代表数字的字符（或至少不在正常使用情况下）。< / p>

具有非None Numeric_Type属性的所有字符都具有表示其数值的Numeric_Value属性。对于具有Numeric_Type = Decimal或Numeric_Type = Digit的字符，unicodedata.digit将返回该值作为int，并且unicodedata.numeric将返回该值作为具有任何非None Numeric_Type的字符的float。