Python：如何检查 unicode 字符串是否包含大小写字符？

Question

我正在做一个过滤器，其中检查 unicode（utf-8 编码）字符串是否不包含大写字符（在所有语言中）。如果字符串根本不包含任何大小写字符，那对我来说没问题。

例如：“你好！”不会通过过滤器，而是“！”应该通过过滤器，因为“！”不是大小写字符。

我计划使用 islower() 方法，但在上面的示例中，“!”.islower() 将返回 False。

根据 Python 文档，“如果 unicode 字符串的大小写字符全部为小写且字符串至少包含一个大小写字符，则 python unicode 方法 islower() 返回 True，否则返回 False。”

由于当字符串不包含任何大小写字符时，该方法也会返回 False，即。 “！”，我想检查字符串是否包含任何大小写字符。

像这样的东西......

string = unicode("!@#$%^", 'utf-8')

#check first if it contains cased characters
if not contains_cased(string):
     return True

return string.islower():

对 contains_cased() 函数有什么建议吗？

或者可能有不同的实施方法？

谢谢！

Answer 1

这里是有关 Unicode 字符类别的完整报道。

字母类别包括：

Ll -- lowercase
Lu -- uppercase
Lt -- titlecase
Lm -- modifier
Lo -- other

请注意，Ll <-> islower();类似地，Lu； （Lu 或 Lt）<-> istitle()

您可能希望阅读有关大小写的复杂讨论，其中包括一些对 Lm 字母的讨论。

盲目地将所有“字母”都区分大小写显然是错误的。Lo 类别包括 BMP 中的 45301 个代码点（使用 Python 2.6 进行计数）。其中很大一部分是朝鲜文音节、中日韩表意文字和其他东亚字符——很难理解它们如何被视为“大小写”。

您可能想考虑基于您期望的“大小写字符”的（未指定）行为的替代定义。这是一个简单的第一次尝试：

>>> cased = lambda c: c.upper() != c or c.lower() != c
>>> sum(cased(unichr(i)) for i in xrange(65536))
1970
>>>

有趣的是，有 1216 x Ll 和 937 x Lu，总共 2153 ... 进一步调查 Ll 和 Lu 真正含义的范围。

Answer 2

import unicodedata as ud

def contains_cased(u):
  return any(ud.category(c)[0] == 'L' for c in u)

Answer 3

使用模块unicodedata，

unicodedata.category(character)

小写字母返回“Ll”，大写字母返回“Lu”。

此处您可以找到 unicode 字符类别列表