Erkenne Zeichenfolgen mit nicht englischen Zeichen in Python

Question

Ich habe einige Zeichenfolgen, die eine Mischung aus englischen und keinen englischen Buchstaben haben. Zum Beispiel:

w='_1991_اف_جي2' 

Wie kann ich diese Typen von Zeichenfolgen Regex oder eine andere schnelle Methode in Python erkennen?

Ich möchte nicht Buchstaben der Zeichenfolge einzeln mit einer Liste von Buchstaben vergleichen, aber dies auf einmal und schnell zu tun.

Answer 1

Sie können nur überprüfen, ob die Zeichenfolge nur mit ASCII-Zeichen (das lateinische Alphabet + einige andere Zeichen) codiert werden kann. Wenn es nicht codiert werden kann, hat es die Zeichen von einem anderen Alphabet.

Beachten Sie den Kommentar # -*- coding: ..... Es sollte an der Spitze der Python-Datei da sein (sonst würden Sie Fehlermeldungen bezüglich Codierung erhalten)

# -*- coding: utf-8 -*- 
def isEnglish(s): 
    try: 
     s.encode(encoding='utf-8').decode('ascii') 
    except UnicodeDecodeError: 
     return False 
    else: 
     return True 

print isEnglish('slabiky, ale liší se podle významu') 
print isEnglish('English') 
print isEnglish('ގެ ފުރަތަމަ ދެ އަކުރު ކަ') 
print isEnglish('how about this one : 通 asfަ') 
print isEnglish('?fd4))45s&') 

Es F, T, F, F, T

Answer 2

zurückkehren Wenn Sie mit Zeichenketten (nicht Unicode-Objekte) arbeiten, können Sie reinigen mit Übersetzung und überprüfen Sie mit isalnum(), das ist besser als Ausnahmen werfen:

import string 

def isEnglish(s): 
    return s.translate(None, string.punctuation).isalnum() 


print isEnglish('slabiky, ale liší se podle významu') 
print isEnglish('English') 
print isEnglish('ގެ ފުރަތަމަ ދެ އަކުރު ކަ') 
print isEnglish('how about this one : 通 asfަ') 
print isEnglish('?fd4))45s&') 
print isEnglish('Текст на русском') 

> False 
> True 
> False 
> False 
> True 
> False 

auch können Sie mit dieser Funktion nicht-ASCII-Zeichen aus der Zeichenfolge filtern:

ascii = set(string.printable) 

def remove_non_ascii(s): 
    return filter(lambda x: x in ascii, s) 


remove_non_ascii('slabiky, ale liší se podle významu') 
> slabiky, ale li se podle vznamu