如何識別python中不可打印的unicode字符

Question

我正在嘗試使用隨機字符生成 Unicode 字符串。 我不想在字符串中有不可打印的字符。 使用 'unichr(codepoint)' 函數我正在將代碼點轉換為 Unicode 並使用 'unicode.encode('utf-8')' 我正在將 Unicode 轉換為字符串。 我嘗試使用 string.printable 但這僅涵蓋 ASCII。

Answer 1

您可以使用unicodedata庫。

import unicodedata

def strip_string(self, string):
  """Cleans a string based on a whitelist of printable unicode categories
  You can find a full list of categories here:
  http://www.fileformat.info/info/unicode/category/index.htm
  """
  letters     = ('LC', 'Ll', 'Lm', 'Lo', 'Lt', 'Lu')
  numbers     = ('Nd', 'Nl', 'No')
  marks       = ('Mc', 'Me', 'Mn')
  punctuation = ('Pc', 'Pd', 'Pe', 'Pf', 'Pi', 'Po', 'Ps')
  symbol      = ('Sc', 'Sk', 'Sm', 'So')
  space       = ('Zs',)

  allowed_categories = letters + numbers + marks + punctuation + symbol + space

  return u''.join([ c for c in string if unicodedata.category(c) in allowed_categories ])

來源： https : //gist.github.com/Jonty/6705090