python - 用python检测unicode专用区字符

Question

在 python 3 中识别 unicode 专用字符的正确方法是什么？ unicodedata 模块中没有明显相关的内容，这使得查找字符名称和属性变得容易。

一些背景:unicodedata.name()，它给出了 unicode 字符的名称，如果使用私有(private)字符调用，将引发 ValueError(例如，尝试 unicodedata.name("\uf026")).但是空白字符(除了空格本身)和可能的其他东西也会触发异常。那么，什么是检测 PUA 字符的非 hacky 可靠方法？

Answer 1

私有(private)字符都在Co general category ，由 unicodedata 中的 category() 返回:

>>> import unicodedata
>>> def is_pua(c):
...   return unicodedata.category(c) == 'Co'
...
>>> is_pua(u'\uF026')
True

鉴于 Unicode 标准 guarantees私有(private)使用字符集将永远改变(永远不会添加或删除任何字符)，硬编码 three ranges 也是安全的:

• U+E000 到 U+F8FF
• U+F0000 到 U+FFFFD
• U+100000 到 U+10FFFD