Question

我正在处理unicode数据字符，我想知道为什么有些人在unicodedata中没有任何名字？以下是一个示例代码，您可以在其中查看< unknown >

我认为unicode数据库中的每个字符都被命名，BTW所有类别都是[Cc] Other, Control。

另一个问题：如何获取unicode代码点值？问题是ord(unicodechar)吗？

我还把文件here（编码是一个奇怪的东西），因为我认为我的'n'粘贴'隐形'字符可能是有损的。

#!/bin/env python
# -*- coding: utf-8 -*-

#extracted and licensing from here:
"""
:author: Laurent Pointal <laurent.pointal@limsi.fr> <laurent.pointal@laposte.net>
:organization: CNRS - LIMSI
:copyright: CNRS - 2004-2009
:license: GNU-GPL Version 3 or greater
:version: $Id$
"""

# Chars alonemarks:
#         !?¿;,*¤@°:%|¦/()[]{}<>«»´`¨&~=#±£¥$©®"
# must have spaces around them to make them tokens.
# Notes: they may be in pchar or fchar too, to identify punctuation after
#        a fchar.
#        \202 is a special ,
#        \226 \227 are special -
alonemarks = u"!?¿;,\202*¤@°:%|¦/()[\]{}<>«»´`¨&~=#±\226"+\
     u"\227£¥$©®\""
import unicodedata
for x in alonemarks:
    unicodename = unicodedata.name(x, '<unknown>')
    print "\t".join(map(unicode, (x, len(x), ord(x), unicodename, unicodedata.category(x))))

    # unichr(int('fd9b', 16)).encode('utf-8')
    # http://stackoverflow.com/questions/867866/convert-unicode-codepoint-to-utf8-hex-in-python

Answer 1

我认为unicode数据库中的每个字符都被命名为

不，控制字符没有名称，请参阅UnicodeData文件

另一个问题是，我怎样才能获得unicode代码点值？它是ORD（unicodechar）

是！

print '%x' % ord(unicodedata.lookup('LATIN LETTER SMALL CAPITAL Z'))
## 1d22

Answer 2

根据unicodedata库documentation，

模块使用与定义相同的名称和符号 UnicodeData文件格式5.2.0（参见here）

您的两个字符显示以下输出：

1   150 <unknown>   Cc
1   151 <unknown>   Cc

它们对应于控制点字符0x96和0x97 上面的unicode文档在the code point paragraph中规定：

代理代码点，私人使用字符，控制代码，非字符和未分配的代码点没有名称。

我不知道如何通过unicodedata模块获取与unicode注释相对应的标签注释，但我认为你的两个控制字符没有任何名称，因为它是通过Unicode定义的常态。

Python，unicodedata名称和codepoint值，我缺少什么？

2 个答案: