Question

在ASCII中，验证名称并不太难：只需确保所有字符都是按字母顺序排列的。

但是在Unicode（utf-8）中怎么样？如何确保给定字符串中没有逗号或下划线（ASCII范围之外）？

（理想情况下是Python）

Answer 1

也许unicodedata module对此任务很有用。特别是category()函数。对于现有的unicode类别，请查看unicode.org。然后，您可以过滤标点字符等。

Answer 2

只需将bytestring（你的utf-8）转换为unicode对象，并检查所有字符是否都是字母：

s.isalpha()

此方法依赖于语言环境的字符串。

Answer 3

根据您定义“名称”的方式，您可以根据此正则表达式进行检查：

^\w+$

但是，这将允许数字和下划线。要排除它们，您可以针对以下方式进行第二次测试：

[\d_]

并使你的支票在比赛中失败。这两者可以合并如下：

^(?:(?![\d_])\w)+$

但是出于正则表达式的原因，我宁愿做两次单独的检查。

来自the docs：

\w

当LOCALE和UNICODE标志出现时   未指定，匹配任何   字母数字字符和   下划线;这相当于   设置[a-zA-Z0-9_]。使用LOCALE，它会   匹配集合[0-9_]加上任何东西   字符定义为字母数字   对于当前的语言环境。如果是UNICODE   设置，这将匹配字符   [0-9_]加上被归类为的任何内容   Unicode字符中的字母数字   属性数据库。

Answer 4

这可能是迈向解决方案的一步：

import unicodedata
EXCEPTIONS= frozenset(u"'.")
CATEGORIES= frozenset( ('Lu', 'Ll', 'Lt', 'Pd', 'Zs') )
# O'Rourke, Franklin D. Roosevelt

def test_unicode_name(unicode_name):
    return all(
      uchar in EXCEPTIONS
        or unicodedata.category(uchar) in CATEGORIES
      for uchar in unicode_name)

>>> test_unicode_name(u"Michael O'Rourke")
True
>>> test_unicode_name(u"Χρήστος Γεωργίου")
True
>>> test_unicode_name(u"Jean-Luc Géraud")
True

添加例外情况，并进一步检查我可能错过的情况。

Answer 5

letters模块的string属性可以为您提供所需内容。此属性是特定于语言环境的，因此只要您知道传递给您的文本的语言，就可以使用setlocale()并对这些字符进行验证。

http://docs.python.org/library/string.html#module-string

正如您所指出的那样，在一个真正的“unicode”世界中，除非您了解该语言，否则根本无法知道哪些字符是“按字母顺序排列”的。如果您不了解该语言，则可以默认使用ASCII，也可以运行常用语言的语言环境。

验证Unicode名称

5 个答案: