python - 有效地列出给定 Unicode 类别中的所有字符

Question

通常人们想要列出给定 Unicode 类别中的所有字符。例如：

• 列出所有 Unicode 空白，如何在 Python 中获取 UTF-8 中的所有空白？
• 具有属性的字符Alphabetic

可以通过遍历所有 Unicode 代码点并测试所需类别（Python 3）来生成此列表：

[c for c in map(chr, range(0x110000)) if unicodedata.category(c) in ('Ll',)]

或使用正则表达式，

re.findall(r'\s', ''.join(map(chr, range(0x110000))))

但是这些方法很慢。有没有一种方法可以查找类别中的字符列表而不必遍历所有字符？

Perl 的相关问题：如何获取具有给定属性的所有 Unicode 字符的列表？

Answer 1

如果您需要经常这样做，可以很容易地为自己构建一个可重复使用的地图：

import sys
import unicodedata
from collections import defaultdict

unicode_category = defaultdict(list)
for c in map(chr, range(sys.maxunicode + 1)):
    unicode_category[unicodedata.category(c)].append(c)

从那里开始使用该映射来转换回给定类别的一系列字符：

alphabetic = unicode_category['Ll']

如果这对于启动时间来说成本太高，请考虑将该结构转储到文件中；从 JSON 文件或其他快速解析到字典的格式加载此映射应该不会太痛苦。

一旦你有了映射，查找一个类别当然是在恒定时间内完成的。