Python 2.7: verifica se i caratteri in una stringa sono tutti caratteri cinesi

Question

Il seguente codice verifica se i caratteri in una stringa sono tutti caratteri cinesi. Funziona con Python 3 ma non con Python 2.7. Come faccio a farlo in Python 2.7?

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 

per assicurarsi che tutte le i caratteri sono cinesi, qualcosa del genere dovrebbe fare:

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

Nel tuo pitone un pplication, usa unicode internamente - decodifica in anticipo la codifica & in ritardo - creando uno unicode sandwich.

Answer 2

Questo funziona bene per me in Python 2.7, fornito name è un unicode() valore:

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

Non è necessario usare ord qui se si confronta il personaggio direttamente con valori Unicode:

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

I dati di una richiesta in entrata non sono stati ancora decodificati o unicode, devi prima farlo. Esplicitamente impostare l'attributo accept-charset sul tag form per garantire che il browser utilizza la codifica corretta:

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

poi decodificare i dati sul lato server:

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