Python：如何检查unicode字符串是否包含一个cased字符？

Question

我正在做一个过滤器，其中我检查unicode（utf-8编码）字符串是否不包含大写字符（在所有语言中）。 如果字符串根本不包含任何套接字符，那对我来说没问题。

例如：'你好！' 不会通过过滤器，但“！” 应该通过过滤器，因为“！” 不是一个套装的角色。

我打算使用islower（）方法，但在上面的例子中，“！”。islower（）将返回False。

根据Python Docs，“如果unicode字符串的套接字符全部为小写且字符串包含至少一个套接字符，则python unicode方法islower（）返回True，否则返回False。”

由于当字符串不包含任何套接字符时，该方法也返回False，即。 “！”，我想检查字符串是否包含任何套接字符。

像这样......

string = unicode("!@#$%^", 'utf-8')

#check first if it contains cased characters
if not contains_cased(string):
     return True

return string.islower():

有关contains_cased（）函数的任何建议吗？

或者可能采用不同的实施方法？

谢谢！

Answer 1

import unicodedata as ud

def contains_cased(u):
  return any(ud.category(c)[0] == 'L' for c in u)

Answer 2

以下是Unicode字符类别的完整独家新闻。

信件类别包括：

Ll -- lowercase
Lu -- uppercase
Lt -- titlecase
Lm -- modifier
Lo -- other

注意， Ll <-> islower() ; Lu ; (Lu or Lt) <-> istitle()

您可能希望阅读关于套管的复杂讨论，其中包括对Lm字母的一些讨论。

盲目地将所有“信件”视为套管是明显错误的。 Lo类别包括BMP中的45301个代码点（使用Python 2.6计算）。 其中很大一部分是Hangul Syllables，CJK表意文字和其他东亚人物 - 很难理解他们如何被视为“套装”。

您可能希望根据您期望的“套管字符”的（未指定的）行为来考虑替代定义。 这是一个简单的第一次尝试：

>>> cased = lambda c: c.upper() != c or c.lower() != c
>>> sum(cased(unichr(i)) for i in xrange(65536))
1970
>>>

有趣的是，有1216 x Ll和937 x Lu，总共2153 ...进一步研究Ll和Lu的真正意义。

Answer 3

使用模块unicodedata ，

unicodedata.category(character)

对于小写字母返回“ Ll ”，对于大写字母返回“ Lu ”。

在这里，您可以找到unicode字符类别列表