python - Python 2.7：测试字符串中的字符是否都是汉字

Question

以下代码测试字符串中的字符是否都是汉字。它适用于 Python 3，但不适用于 Python 2.7。我如何在 Python 2.7 中做到这一点？

for ch in name:
    if ord(ch) < 0x4e00 or ord(ch) > 0x9fff:
        return False

Answer 1

#  byte str (you probably get from GAE)
In [1]: s = """Chinese (汉语/漢語 Hànyǔ or 中文 Zhōngwén) is a group of related
        language varieties, several of which are not mutually intelligible,"""

#  unicode str
In [2]: us = u"""Chinese (汉语/漢語 Hànyǔ or 中文 Zhōngwén) is a group of related
        language varieties, several of which are not mutually intelligible,"""

#  convert to unicode using str.decode('utf-8')    
In [3]: print ''.join(c for c in s.decode('utf-8') 
                   if u'\u4e00' <= c <= u'\u9fff')
汉语漢語中文

In [4]: print ''.join(c for c in us if u'\u4e00' <= c <= u'\u9fff')
汉语漢語中文

为了确保所有字符都是中文，应该这样做：

all(u'\u4e00' <= c <= u'\u9fff' for c in name.decode('utf-8'))

在您的 python 应用程序中，在内部使用 unicode - 早期解码和后期编码 - 创建一个unicode 三明治。

Answer 2

这在 Python 2.7 中对我来说很好，提供name的是一个unicode()值：

>>> ord(u'\u4e00') < 0x4e00
False
>>> ord(u'\u4dff') < 0x4e00
True

如果直接将字符与 unicode 值进行比较，则不必在ord此处使用：

>>> u'\u4e00' < u'\u4e00'
False
>>> u'\u4dff' < u'\u4e00'
True

来自传入请求的数据尚未解码为 un​​icode，您需要先进行解码。显式设置accept-charset表单标签上的属性以确保浏览器使用正确的编码：

<form accept-charset="utf-8" action="...">

然后在服务器端解码数据：

name = self.request.get('name').decode('utf8')