标签： python string utf-8 character-encoding tamil
我不是泰米尔语使用者，但是，对于正在开发的简单NLP应用程序，我必须检测python字符串中的字符（与数字，标点符号，HTML标记混合）是否是泰米尔语。如果没有，我只需要删除字符即可。这个概念很简单，但是即使经过大量搜索，我也无法在UTF-8中找到泰米尔字符范围。需要一些帮助。它是连续的数字块，例如ASCII大写字母中的65到90？还是我需要开发更复杂的东西来检查每个字符？
答案 0 :(得分：3)
Tamil script上的维基百科：
Unicode范围：U+0B80–U+0BFF