高手接招! 小应用 用python3判断一个字符串是不是中文组成的

Question

由于业务需求,需要写一个小程序,来判断一个字符串中是不是纯中文字符 ( 一个字符串中不能包含符号,英文 )
比如

a = "你好"

这个就是一个纯中文

再比如

a = "</p>你好"

这个就不行~

那么需要如何优雅的来实现?

Answer 1

在python3中，str默认是unicode编码

用 ord() 函数判断单个字符的unicode编码是否大于255即可。

---

一般来说，中文常用字的范围是：[\u4e00-\u9fa5]

准确点判断中文字符，可以这样比较：

>>> X,Y = ['\u4e00','\u9fa5']
>>> X<='阿'<=Y
True

---

例子：

>>> a = "你好";b = "</p>你好"
>>> def isAllZh(s):
    for c in s:
        if not('\u4e00' <= c <= '\u9fa5'):
            return False
    return True

>>> isAllZh(a)
True
>>> isAllZh(b)
False

#或者用 all()
>>> all(map(lambda c:'\u4e00' <= c <= '\u9fa5',a))
True
>>> all(map(lambda c:'\u4e00' <= c <= '\u9fa5',b))
False

---

既然 @依云 提出了编码范围的问题，就再补充一些~

详细的unicode分区信息可以参考这里：中日韩统一表意文字

楼主是问 判断中文的算法；很简单，就是比较字符编码的大小，落在cjk文字范围内，就是中文。
出了[\u4e00-\u9fa5]范围的汉字，多数是生僻字、异体字；如果很在意的话，可以参照下表，多加几个判断条件即可。
中文在unicode里的分区码段：

1、中日韩扩展部首[2E80-2EFF]（116字）
2、康熙字典部首[2F00-2FDF]（214字）
3、表意文字描述字符[2FF0-2FFF]（12字）
4、中日韩笔画[31C0-31EF]（37字）
5、中日韩统一表意文字扩展A区[3400-4DBF]（6582字）
6、中日韩统一表意文字[4E00-9FFF]（20940字）
7、私用区[E000-F8FF]（896字）
8、中日韩兼容表意文字[F900-FAFF]（471字）
9、中日韩统一表意文字扩展B区[20000-2A6DF]（42711字）
10、中日韩统一表意文字扩展C区[2A700-2B73F]（4149字）
11、中日韩统一表意文字扩展D区[2B740-2B81F]（222字）
12、中日韩统一表意文字增补集[2F800-2FA1F]（542字）
13、增补私用A区[F0000-FFFFF]（73字）

Answer 2

简单啦，你用正则匹配一下英文，标点，数字不就可以了么？

Answer 3

regex

>>> import regex
>>> zh = regex.compile(r'^\p{Han}*$')
>>> zh.match('你好')
<regex.Match object; span=(0, 2), match='你好'>
>>> zh.match('<p>好')
>>>

只能保证是汉字，不能保证是中文，也可能是日文。