Question

我正在使用Python的re模块来审查一些文本。我必须审查ASCII和Unicode文本，所以如果文本是Unicode，我需要设置re的Unicode标志。有没有办法可以检测文本是否为Unicode？

Answer 1

ASCII是Unicode的一个子集，您不必做任何事情 - 除非您有理由怀疑您的文本既不是ASCII也不是Unicode（例如Windows CP 1252等），只需通过defaut使用Unicode。 / p>

Answer 2

你可以使用

 isinstance( s, unicode)

查看对象是否为unicode。但是，如果您将所有字符串都作为编码 unicode，那么您需要知道编码。对于可能成为噩梦的电子邮件处理应用程序。在过去，我已经使用了chardet。

Answer 3

您可以尝试text.decode('utf-8')，如果成功没有错误，则文本是UTF-8编码的Unicode（其中纯ASCII是子集）。如果它是其他任何东西，即代码页，它可能会引发异常。