Làm cách nào để kiểm tra xem một chuỗi trong Python có trong ASCII không?

Tôi muốn kiểm tra xem một chuỗi có trong ASCII hay không.

Tôi nhận thức được ord(), tuy nhiên khi tôi cố gắng ord('é'), tôi có TypeError: ord() expected a character, but string of length 2 found. Tôi hiểu nó được gây ra bởi cách tôi xây dựng Python (như được giải thích trong ord()tài liệu của ).

Có cách nào khác để kiểm tra?

def is_ascii(s):
    return all(ord(c) < 128 for c in s)

Tôi nghĩ rằng bạn không hỏi đúng câu hỏi--

Một chuỗi trong python không có thuộc tính tương ứng với 'ascii', utf-8 hoặc bất kỳ mã hóa nào khác. Nguồn của chuỗi của bạn (cho dù bạn đọc nó từ tệp, nhập từ bàn phím, v.v.) có thể đã mã hóa chuỗi unicode trong ascii để tạo chuỗi của bạn, nhưng đó là nơi bạn cần phải trả lời.

Có lẽ câu hỏi bạn có thể hỏi là: "Chuỗi này có phải là kết quả của việc mã hóa chuỗi unicode trong ascii không?" - Điều này bạn có thể trả lời bằng cách thử:

try:
    mystring.decode('ascii')
except UnicodeDecodeError:
    print "it was not a ascii-encoded unicode string"
else:
    print "It may have been an ascii-encoded unicode string"

Python 3 cách:

isascii = lambda s: len(s) == len(s.encode())

Để kiểm tra, vượt qua chuỗi kiểm tra:

str1 = "♥O◘♦♥O◘♦"
str2 = "Python"

print(isascii(str1)) -> will return False
print(isascii(str2)) -> will return True

Mới trong Python 3.7 ( bpo32677 )

Không mệt mỏi hơn / kiểm tra ascii không hiệu quả trên dây, mới được xây dựng-in str/ bytes/ bytearrayphương pháp - .isascii()sẽ kiểm tra xem chuỗi là ascii.

print("is this ascii?".isascii())
# True

Chạy vào một cái gì đó như thế này gần đây - để tham khảo trong tương lai

import chardet

encoding = chardet.detect(string)
if encoding['encoding'] == 'ascii':
    print 'string is in ascii'

mà bạn có thể sử dụng với:

string_ascii = string.decode(encoding['encoding']).encode('ascii')

Vincent Marchetti có ý tưởng đúng, nhưng str.decodeđã bị phản đối trong Python 3. Trong Python 3, bạn có thể thực hiện cùng một bài kiểm tra với str.encode:

try:
    mystring.encode('ascii')
except UnicodeEncodeError:
    pass  # string is not ascii
else:
    pass  # string is ascii

Lưu ý ngoại lệ bạn muốn bắt cũng đã thay đổi từ UnicodeDecodeErrorthành UnicodeEncodeError.

Câu hỏi của bạn không chính xác; lỗi bạn thấy không phải là kết quả của cách bạn tạo python, mà là sự nhầm lẫn giữa chuỗi byte và chuỗi unicode.

Chuỗi byte (ví dụ "foo" hoặc 'bar', theo cú pháp python) là chuỗi các octet; các số từ 0-255. Chuỗi Unicode (ví dụ: u "foo" hoặc u'bar ') là chuỗi các điểm mã unicode; số từ 0-1112064. Nhưng bạn có vẻ hứng thú với ký tự é, trong đó (trong thiết bị đầu cuối của bạn) là một chuỗi nhiều byte đại diện cho một ký tự.

Thay vì ord(u'é'), hãy thử điều này:

>>> [ord(x) for x in u'é']

Điều đó cho bạn biết chuỗi điểm nào "é" đại diện. Nó có thể cung cấp cho bạn [233] hoặc có thể cung cấp cho bạn [101, 770].

Thay vì chr()đảo ngược điều này, có unichr():

>>> unichr(233)
u'\xe9'

Ký tự này thực sự có thể được biểu diễn bằng một hoặc nhiều "điểm mã" đơn, mà chính chúng đại diện cho biểu đồ hoặc ký tự. Đó là "e với dấu trọng âm (nghĩa là mã điểm 233)" hoặc "e" (mã điểm 101), theo sau là "dấu trọng âm trên ký tự trước" (điểm mã 770). Vì vậy, chính xác ký tự này có thể được trình bày dưới dạng cấu trúc dữ liệu Python u'e\u0301'hoặc u'\u00e9'.

Hầu hết thời gian bạn không cần phải quan tâm đến vấn đề này, nhưng nó có thể trở thành vấn đề nếu bạn lặp qua chuỗi unicode, vì phép lặp hoạt động theo điểm mã chứ không phải bằng ký tự có thể phân tách. Nói cách khác, len(u'e\u0301') == 2và len(u'\u00e9') == 1. Nếu điều này quan trọng với bạn, bạn có thể chuyển đổi giữa các hình thức sáng tác và phân tách bằng cách sử dụngunicodedata.normalize .

Thuật ngữ Unicode có thể là một hướng dẫn hữu ích để hiểu một số vấn đề này, bằng cách chỉ ra cách mỗi thuật ngữ cụ thể đề cập đến một phần khác nhau của cách trình bày văn bản, phức tạp hơn nhiều so với nhiều lập trình viên nhận ra.

Làm thế nào về việc này?

import string

def isAscii(s):
    for c in s:
        if c not in string.ascii_letters:
            return False
    return True

Tôi đã tìm thấy câu hỏi này trong khi thử xác định cách sử dụng / mã hóa / giải mã một chuỗi có mã hóa mà tôi không chắc chắn (và cách thoát / chuyển đổi các ký tự đặc biệt trong chuỗi đó).

Bước đầu tiên của tôi là kiểm tra loại chuỗi - Tôi không nhận ra ở đó tôi có thể nhận được dữ liệu tốt về định dạng của chuỗi từ loại. Câu trả lời này rất hữu ích và đi đến gốc rễ thực sự của các vấn đề của tôi.

Nếu bạn đang trở nên thô lỗ và cố chấp

UnicodeDecodeError: 'ascii' codec không thể giải mã byte 0xc3 ở vị trí 263: thứ tự không nằm trong phạm vi (128)

đặc biệt là khi bạn ENCODING, hãy đảm bảo rằng bạn không cố gắng unicode () một chuỗi đã là unicode - vì một số lý do khủng khiếp, bạn gặp phải lỗi codec ascii. (Xem thêm công thức Python Kitchen và tài liệu Python hướng dẫn về để hiểu rõ hơn về mức độ khủng khiếp của nó.)

Cuối cùng tôi xác định rằng những gì tôi muốn làm là thế này:

escaped_string = unicode(original_string.encode('ascii','xmlcharrefreplace'))

Cũng hữu ích trong việc gỡ lỗi là đặt mã hóa mặc định trong tệp của tôi thành utf-8 (đặt phần này vào đầu tệp python của bạn):

# -*- coding: utf-8 -*-

Điều đó cho phép bạn kiểm tra các ký tự đặc biệt ('àéç') mà không phải sử dụng các lối thoát unicode của chúng (u '\ xe0 \ xe9 \ xe7').

>>> specials='àéç'
>>> specials.decode('latin-1').encode('ascii','xmlcharrefreplace')
'àéç'

Để cải thiện giải pháp của Alexandre từ Python 2.6 (và trong Python 3.x), bạn có thể sử dụng mô đun trình trợ giúp curses.ascii và sử dụng hàm curses.ascii.isascii () hoặc nhiều cách khác: https://docs.python.org/2.6/ thư viện / curses.ascii.html

from curses import ascii

def isascii(s):
    return all(ascii.isascii(c) for c in s)

Bạn có thể sử dụng thư viện biểu thức chính quy chấp nhận định nghĩa Posix [[: ASCII:]].

Một sting ( str-type) trong Python là một chuỗi các byte. Không có cách nào để chỉ nhìn vào chuỗi xem chuỗi byte này đại diện cho chuỗi ascii, chuỗi trong bộ ký tự 8 bit như ISO-8859-1 hay chuỗi được mã hóa bằng UTF-8 hoặc UTF-16 hay bất cứ điều gì .

Tuy nhiên, nếu bạn biết mã hóa được sử dụng, thì bạn có thể decodestr thành chuỗi unicode và sau đó sử dụng biểu thức chính quy (hoặc vòng lặp) để kiểm tra xem nó có chứa các ký tự ngoài phạm vi bạn quan tâm không.

Giống như câu trả lời của @ RogerDahl nhưng hiệu quả hơn là đoản mạch bằng cách phủ định lớp nhân vật và sử dụng tìm kiếm thay vì find_allhoặc match.

>>> import re
>>> re.search('[^\x00-\x7F]', 'Did you catch that \x00?') is not None
False
>>> re.search('[^\x00-\x7F]', 'Did you catch that \xFF?') is not None
True

Tôi tưởng tượng một biểu thức chính quy được tối ưu hóa tốt cho việc này.

import re

def is_ascii(s):
    return bool(re.match(r'[\x00-\x7F]+$', s))

Để bao gồm một chuỗi rỗng như ASCII, thay đổi +thành *.

Để ngăn mã của bạn gặp sự cố, bạn có thể muốn sử dụng try-exceptđể bắtTypeErrors

>>> ord("¶")
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
TypeError: ord() expected a character, but string of length 2 found

Ví dụ

def is_ascii(s):
    try:
        return all(ord(c) < 128 for c in s)
    except TypeError:
        return False

Tôi sử dụng như sau để xác định xem chuỗi là ascii hay unicode:

>> print 'test string'.__class__.__name__
str
>>> print u'test string'.__class__.__name__
unicode
>>> 

Sau đó, chỉ cần sử dụng một khối có điều kiện để xác định chức năng:

def is_ascii(input):
    if input.__class__.__name__ == "str":
        return True
    return False