我的数据框在SQL上看起来像这样（我可以直接在那写查询，也可以将其导入Pandas，然后执行）：
videoId videoName
12234 Racing through the valleys
14533 Character Loose
14456 सूरमा धड़क
17889 हिचकी
16612 মন তোমাকে ছুঁয়ে দিলাম
15580 ঈশানকোণে বিষন্নতায়
因此，我向往的数据框将是这样的：
videoId videoName
14456 सूरमा धड़क
17889 हिचकी
16612 মন তোমাকে ছুঁয়ে দিলাম
15580 ঈশানকোণে বিষন্নতায়
我想保留带有“印地语”和“孟加拉语”字样的行。无论如何，我可以直接从SQL或通过导入Pandas来做到这一点。
然后我要区分“印地语”和“孟加拉语”。两种不同的数据框，例如：
df_hindi：
videoId videoName
14456 सूरमा धड़क
17889 हिचकी
df_bengali：
videoId videoName
16612 মন তোমাকে ছুঁয়ে দিলাম
15580 ঈশানকোণে বিষন্নতায়
正如我所说，任何方法都可以，但是Pandas和Python更可取。
答案 0 :(得分：0)
查找font ranges时，印地语（devanagari）似乎是 U + 0900–U + 097F ，而孟加拉语是 U + 0980–U + 09FF 。
chars_hindi = [chr(c) for c in range(0x0900, 0x097f)]
chars_bengali = [chr(c) for c in range(0x0980, 0x09ff)]
使用alternation通过正则表达式过滤出数据帧，即可得到所需的输出：
df_hindi = df[df.videoName.str.contains('|'.join(chars_hindi))]
df_bengali = df[df.videoName.str.contains('|'.join(chars_bengali))]
请注意，这仅在假设以下条件下有效：每个videoName都仅包含 印地语或梵文。如果您的数据不能满足该假设，则必须以另一种方式解决问题。
答案 1 :(得分：0)
WHERE videoName REGEXP '^(..)*E0A[45]'将在其中以梵文（印地文）文本查找名称。
WHERE videoName REGEXP '^(..)*E0A[67]'代表孟加拉语
WHERE videoName REGEXP '^(..)*E0A[AB]' for古吉拉特语
WHERE videoName NOT REGEXP '^(..)*E0'将（大约）避免使用任何印度语言。
可以从以下推论中选择其他语言：
| DEVANAGARI LETTER | E0A485 | E0A4B9 |
| DEVANAGARI SIGN | E0A4BD | E0A4BD |
| DEVANAGARI OM | E0A590 | E0A590 |
| DEVANAGARI LETTER | E0A598 | E0A5A1 |
| DEVANAGARI DIGIT | E0A5A6 | E0A5AF |
| BENGALI LETTER | E0A685 | E0A6B9 |
| BENGALI LETTER | E0A79C | E0A7A1 |
| BENGALI DIGIT | E0A7A6 | E0A7AF |
| BENGALI LETTER | E0A7B0 | E0A7B1 |
| GURMUKHI LETTER | E0A885 | E0A8B9 |
| GURMUKHI LETTER | E0A999 | E0A99E |
| GURMUKHI DIGIT | E0A9A6 | E0A9AF |
| GURMUKHI IRI | E0A9B2 | E0A9B4 |
| GUJARATI LETTER | E0AA85 | E0AAB9 |
| GUJARATI SIGN | E0AABD | E0AABD |
| GUJARATI OM | E0AB90 | E0ABA0 |
| GUJARATI DIGIT | E0ABA6 | E0ABAF |
| ORIYA LETTER | E0AC85 | E0ACB9 |
| ORIYA SIGN | E0ACBD | E0ACBD |
| ORIYA LETTER | E0AD9C | E0ADA1 |
| ORIYA DIGIT | E0ADA6 | E0ADAF |
| TAMIL SIGN | E0AE83 | E0AEB9 |
| TAMIL DIGIT | E0AFA7 | E0AFAF |
| TELUGU LETTER | E0B085 | E0B0B9 |
| TELUGU LETTER | E0B1A0 | E0B1A1 |
| TELUGU DIGIT | E0B1A6 | E0B1AF |
| KANNADA LETTER | E0B285 | E0B2B9 |
| KANNADA LETTER | E0B39E | E0B3A1 |
| KANNADA DIGIT | E0B3A6 | E0B3AF |
| MALAYALAM LETTER | E0B485 | E0B4B9 |
| MALAYALAM LETTER | E0B5A0 | E0B5A1 |
| MALAYALAM DIGIT | E0B5A6 | E0B5AF |
| SINHALA LETTER | E0B685 | E0B786 |
| THAI CHARACTER | E0B881 | E0B8B0 |
| THAI CHARACTER | E0B8B2 | E0B8B3 |
| THAI CHARACTER | E0B980 | E0B986 |
| THAI DIGIT | E0B990 | E0B999 |
| LAO LETTER | E0BA81 | E0BAB0 |
| LAO VOWEL | E0BAB2 | E0BAB3 |
| LAO SEMIVOWEL | E0BABD | E0BB86 |
| LAO DIGIT | E0BB90 | E0BB99 |
| LAO HO | E0BB9C | E0BC80 |
| TIBETAN DIGIT | E0BCA0 | E0BCA9 |
| TIBETAN LETTER | E0BD80 | E0BDAA |
| TIBETAN SIGN | E0BE88 | E0BE8B |
或
E0A4xx DEVANAGARI ऀँंःऄअआइईउऊऋऌऍऎएऐऑऒओऔकखगघङचछजझञटठडढणतथदधनऩपफबभमयरऱलळऴवशषसह़ऽाि
E0A5xx ीुूृॄॅॆेैॉॊोौ्ॎॐ॒॑॓॔ॕक़ख़ग़ज़ड़ढ़फ़य़ॠॡॢॣ।॥०१२३४५६७८९॰ॱॲॹॺॻॼॽॾॿ
E0A6xx BENGALI ঁংঃঅআইঈউঊঋঌএঐওঔকখগঘঙচছজঝঞটঠডঢণতথদধনপফবভমযরলশষসহ়ঽাি
E0A7xx ীুূৃৄেৈোৌ্ৎৗড়ঢ়য়ৠৡৢৣ০১২৩৪৫৬৭৮৯ৰৱ৲৳৴৵৶৷৸৹৺৻
E0A8xx GURMUKHI ਁਂਃਅਆਇਈਉਊਏਐਓਔਕਖਗਘਙਚਛਜਝਞਟਠਡਢਣਤਥਦਧਨਪਫਬਭਮਯਰਲਲ਼ਵਸ਼ਸਹ਼ਾਿ
E0A9xx ੀੁੂੇੈੋੌ੍ੑਖ਼ਗ਼ਜ਼ੜਫ਼੦੧੨੩੪੫੬੭੮੯ੰੱੲੳੴੵ
E0AAxx GUJARATI ઁંઃઅઆઇઈઉઊઋઌઍએઐઑઓઔકખગઘઙચછજઝઞટઠડઢણતથદધનપફબભમયરલળવશષસહ઼ઽાિ
E0ABxx ીુૂૃૄૅેૈૉોૌ્ૐૠૡૢૣ૦૧૨૩૪૫૬૭૮૯૱
E0ACxx ORIYA ଁଂଃଅଆଇଈଉଊଋଌଏଐଓଔକଖଗଘଙଚଛଜଝଞଟଠଡଢଣତଥଦଧନପଫବଭମଯରଲଳଵଶଷସହ଼ଽାି
E0ADxx ୀୁୂୃୄେୈୋୌ୍ୖୗଡ଼ଢ଼ୟୠୡୢୣ୦୧୨୩୪୫୬୭୮୯୰ୱ
E0AExx TAMIL ஂஃஅஆஇஈஉஊஎஏஐஒஓஔகஙசஜஞடணதநனபமயரறலளழவஶஷஸஹாி
E0AFxx ீுூெேைொோௌ்ௐௗ௦௧௨௩௪௫௬௭௮௯௰௱௲௳௴௵௶௷௸௹௺
E0B0xx TELUGU ఁంఃఅఆఇఈఉఊఋఌఎఏఐఒఓఔకఖగఘఙచఛజఝఞటఠడఢణతథదధనపఫబభమయరఱలళవశషసహఽాి
E0B1xx ీుూృౄెేైొోౌ్ౕౖౘౙౠౡౢౣ౦౧౨౩౪౫౬౭౮౯౸౹౺౻౼౽౾౿
E0B2xx KANNADA ಂಃಅಆಇಈಉಊಋಌಎಏಐಒಓಔಕಖಗಘಙಚಛಜಝಞಟಠಡಢಣತಥದಧನಪಫಬಭಮಯರಱಲಳವಶಷಸಹ಼ಽಾಿ
E0B3xx ೀುೂೃೄೆೇೈೊೋೌ್ೕೖೞೠೡೢೣ೦೧೨೩೪೫೬೭೮೯ೱೲ
E0B4xx MALAYALAM ംഃഅആഇഈഉഊഋഌഎഏഐഒഓഔകഖഗഘങചഛജഝഞടഠഡഢണതഥദധനപഫബഭമയരറലളഴവശഷസഹഽാി
E0B5xx ീുൂൃൄെേൈൊോൌ്ൗൠൡൢൣ൦൧൨൩൪൫൬൭൮൯൰൱൲൳൴൵൹ൺൻർൽൾൿ
E0B6xx SINHALA ංඃඅආඇඈඉඊඋඌඍඎඏඐඑඒඓඔඕඖකඛගඝඞඟචඡජඣඤඥඦටඨඩඪණඬතථදධනඳපඵබභමඹයරල
E0B7xx වශෂසහළෆ්ාැෑිීුූෘෙේෛොෝෞෟෲෳ෴
E0B8xx THAI กขฃคฅฆงจฉชซฌญฎฏฐฑฒณดตถทธนบปผฝพฟภมยรฤลฦวศษสหฬอฮฯะัาำิีึืฺุู฿
E0B9xx เแโใไๅๆ็่้๊๋์ํ๎๏๐๑๒๓๔๕๖๗๘๙๚๛
E0BAxx LAO ກຂຄງຈຊຍດຕຖທນບປຜຝພຟມຢຣລວສຫອຮຯະັາຳິີຶືຸູົຼຽ
E0BBxx ເແໂໃໄໆ່້໊໋໌ໍ໐໑໒໓໔໕໖໗໘໙ໜໝ
E0BCxx TIBETAN ༀ༁༂༃༄༅༆༇༈༉༊་༌།༎༏༐༑༒༓༔༕༖༗༘༙༚༛༜༝༞༟༠༡༢༣༤༥༦༧༨༩༪༫༬༭༮༯༰༱༲༳༴༵༶༷༸༹༺༻༼༽༾༿
E0BDxx ཀཁགགྷངཅཆཇཉཊཋཌཌྷཎཏཐདདྷནཔཕབབྷམཙཚཛཛྷཝཞཟའཡརལཤཥསཧཨཀྵཪཫཬཱཱཱིིུུྲྀཷླྀཹེཻོཽཾཿ
E0BExx ྄ཱྀྀྂྃ྅྆྇ྈྉྊྋྐྑྒྒྷྔྕྖྗྙྚྛྜྜྷྞྟྠྡྡྷྣྤྥྦྦྷྨྩྪྫྫྷྭྮྯྰྱྲླྴྵྶྷྸྐྵྺྻྼ྾྿
E0BFxx ࿀࿁࿂࿃࿄࿅࿆࿇࿈࿉࿊࿋࿌࿎࿏࿐࿑࿒࿓࿔࿕࿖࿗࿘