如何检查Python Unicode字符串是否包含非西方字母？

一尘不染

如何检查Python Unicode字符串是否包含非西方字母？

django

我有一个Python Unicode字符串。我想确保它只包含罗马字母（A到Z）的字母，以及欧洲字母中常见的字母，例如ß，ü，ø，é，à和î。它应该不包含其他字母（中国，日本，韩语，阿拉伯语，俄语，希伯来语等）的字符。最好的方法是什么？

目前，我正在使用这段代码，但是我不知道这是否是最好的方法：

def only_roman_chars(s):
    try:
        s.encode("iso-8859-1")
        return True
    except UnicodeDecodeError:
        return False

（我正在使用Python 2.5。我也在Django中执行此操作，因此，如果Django框架碰巧具有处理此类字符串的方式，则可以使用该功能-但是，我还没有遇到过类似的事情。）

阅读 382

2020-03-29

共1个答案

一尘不染

import unicodedata as ud

latin_letters= {}

def is_latin(uchr):
    try: return latin_letters[uchr]
    except KeyError:
         return latin_letters.setdefault(uchr, 'LATIN' in ud.name(uchr))

def only_roman_chars(unistr):
    return all(is_latin(uchr)
           for uchr in unistr
           if uchr.isalpha()) # isalpha suggested by John Machin

>>> only_roman_chars(u"ελληνικά means greek")
False
>>> only_roman_chars(u"frappé")
True
>>> only_roman_chars(u"hôtel lœwe")
True
>>> only_roman_chars(u"123 ångstrom ð áß")
True
>>> only_roman_chars(u"russian: гага")
False

2020-03-29