5
Estoy tratando con caracteres de datos Unicode, y me pregunto por qué algunos no tienen ningún nombre en Unicodedata? Aquí hay un código de muestra donde puede consultar el <unknown>Python, nombre de unicodedata y valor de punto de código, ¿qué me falta?
. Creo que todos los caracteres dentro de la base de datos Unicode fueron nombrados, por cierto, hay todos de la misma categoría que es [Cc] Other, Control.
Otra pregunta: ¿cómo puedo obtener el valor del punto de código Unicode? ¿Es ord(unicodechar) que hace el truco?
También puse el archivo here (como la codificación es algo raro), y porque creo que mi corte n 'pegar con carácter' invisible 'puede ser con pérdida.
#!/bin/env python
# -*- coding: utf-8 -*-
#extracted and licensing from here:
"""
:author: Laurent Pointal <[email protected]> <[email protected]>
:organization: CNRS - LIMSI
:copyright: CNRS - 2004-2009
:license: GNU-GPL Version 3 or greater
:version: $Id$
"""
# Chars alonemarks:
# !?¿;,*¤@°:%|¦/()[]{}<>«»´`¨&~=#±£¥$©®"
# must have spaces around them to make them tokens.
# Notes: they may be in pchar or fchar too, to identify punctuation after
# a fchar.
# \202 is a special ,
# \226 \227 are special -
alonemarks = u"!?¿;,\202*¤@°:%|¦/()[\]{}<>«»´`¨&~=#±\226"+\
u"\227£¥$©®\""
import unicodedata
for x in alonemarks:
unicodename = unicodedata.name(x, '<unknown>')
print "\t".join(map(unicode, (x, len(x), ord(x), unicodename, unicodedata.category(x))))
# unichr(int('fd9b', 16)).encode('utf-8')
# http://stackoverflow.com/questions/867866/convert-unicode-codepoint-to-utf8-hex-in-python
errr, no, es 'ord', no' ORD' –
supe habrá alguien ... – georg
bien, que gracias :) (sí de hecho, he escrito en mayúsculas, pero sabía que no era) – user1340802