例如,德语的ISO语言代码是
de
。如果这不能直接实现,那么以下怎么样:
给定 ISO 语言代码(例如
de
),
(例如,德语使用的脚本是拉丁语)
>>> import unicodedata as ud
>>> ud.name('ß')
'LATIN SMALL LETTER SHARP S'
Unicode CLDR 项目编译您正在寻找的信息(以及更多信息)。例如,在“de”德语的 CLDR 数据中(链接到最新版本中的数据),请参阅数据中的第一行。 Python 使用一些 CLDR 数据(例如,用于按字符属性的正则表达式模式),但可能不是这个特定的数据。寻找一个按语言/区域设置提供 CLDR 示例支持的库。
[2022-7-29:附加信息] CLDR 语言示例数据列出了用于特定语言的字符。该数据在 ICU 库中公开(有关相关 API,请参阅头文件)。 Python 的 PyICU 扩展包装了 ICU 库。
CLDR 中定义的示例数据以及辅助字符和标点符号可通过
icu.LocaleData
类获得。首先我们为德语启动一个 LocaleData 对象。我们需要为此类指定语言标签,而不是语言环境对象:
import icu
de_ld = icu.LocaleData('de-DE')
exemplars = de_ld.getExemplarSet(0, 0)
print(exemplars)
# ['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'i', 'j', 'k', 'l', 'm', 'n', 'o', 'p', 'q', 'r', 's', 't', 'u', 'v', 'w', 'x', 'y', 'z', 'ß', 'ä', 'ö', 'ü']
icu.LocaleData.getExemplarSet
将返回一个
icu.UnicodeSet
对象。只需根据需要将其转换为 Python
set
或
list
。然后使用
icu.LocaleData.getExemplatSet(options, extype)
检索示例字符,其中
options
设置为
0
,这是未修改的示例集(全部小写字符,并且
extype
设置为
0
或
icu.ULocaleDataExemplarSetType.ES_STANDARD
。我们还可以使用标准德语排序规则对它们进行排序:
collator = icu.Collator.createInstance(icu.Locale('de_DE'))
exemplars.sort(key=collator.getSortKey)
print(exemplars)
# ['a', 'ä', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'i', 'j', 'k', 'l', 'm', 'n', 'o', 'ö', 'p', 'q', 'r', 's', 'ß', 't', 'u', 'ü', 'v', 'w', 'x', 'y', 'z']
但是语言标签很重要。此列表是为标准德语创建的,与瑞士标准德语的列表不同。在 Unicode Set 表示法中:
标准德语:[a-zßäöü] 瑞士标准德语:[a-zäöü]
如果我们将选项设置为
4
或
icu.USET_ADD_CASE_MAPPINGS
,我们将获得示例集的版本,并添加其他案例映射:
exemplars_full = de_ld.getExemplarSet(icu.USET_ADD_CASE_MAPPINGS, icu.ULocaleDataExemplarSetType.ES_STANDARD)
print(exemplars_full)
返回 Unicode 集:[A-Za-zäÖÜßäöü{SS}{Ss}{ss}]