Question

我有一个unicode字符串列表。我想测试是否＆＃34; \ u＆＃34;是每个字符串元素中的子字符串，以便针对特定情况采取行动，如何实现这一目标？

我是用Python编程的。我在Python中使用日语到英语的dict，我打算将每个字符串中的日语替换为相应的英语单词。

在下面的例子中，\ u819c确实对应一个日文字符，\ u539a对应另一个日文字符，它们一起成为日文单词。我有一个字典，将这个单词映射到英语，现在我要替换＆＃34; \ u819c \ u539a＆＃34;用英文单词。因为日语和英语是混合的，我想要做的是首先确定它是纯粹的asii字符串还是unicode字符串。这就是为什么我要检查＆＃34; \ u＆＃34;在字符串中

[u'\u819c\u539a_act', u'wild\u5e45', u'Hello_world', u'hello']

我希望答案是

True, True, False, False

Answer 1

您可以做的最简单的事情是将每个字符串视为Unicode字符串，并查看字符串是否包含Unicode代码点超过您选择的某个值的字符。请考虑以下Java代码：

public static void main(String[] args) {
    char[] c1 = new char[]{'\'', '\u819c', '\u539a', '\u0061', 'a'};
    String[] strs = new String[]{new String(c1)};
    for (String s : strs) {
       s.codePoints().forEach(System.out::println);
    }
}

在这里，我从您使用的字符串中选择了某些字符。运行此程序打印：

请注意，第四个和第五个字符相同，但一个字符表示为unicode sequence。你会认为字符“a”表示为\u0061“Unicode字符”吗？理想情况下，您应该，因为每个字符都有一个Unicode代码点。但话又说回来，你应该做什么取决于你的要求。

第二和第三个角色是你似乎对识别感兴趣的东西。并且您想知道字符串是否包含这样的字符（可能是中文字符）。如果您正在寻找，那么您应该参考Unicode规范，找出您想要识别的字符（或其范围）的代码点，并按照您需要的方式处理包含它们的字符串。

因此，在上面的代码中你做了类似

的事情

       s.codePoints().filter(c -> c > 4296).forEach(System.out::println);

你可以过滤掉非中文字符，产生输出：

33180
21402

如何测试是否＆＃34; \ u＆＃34;是否包含在unicode Python字符串中？

1 个答案: