如何在 python 3.6 中列出阿姆哈拉语（Unicode）代码点

Question

我想要一个包含 utf-8 中的阿姆哈拉语字母表的列表。字符范围是从 U+1200 到 U+1399。我使用的是Windows 8。我遇到了

SyntaxError: (unicode error) 'unicodeescape' codec can't decode bytes in position 0-5: truncated \UXXXXXXXX escape

。

我尝试过这个：

[print(c) for c in u'U1399']

如何列出字符？

Answer 1

要打印从 U-1200 到 U-1399 的字符，我将使用带有

for

控制变量的

int

循环。使用

chr()

将数字转换为字符非常简单。

整数值 0x1200（即十六进制的 1200）可以转换为 Unicode 代码点 U-1200，如下所示：

chr(0x1200) == '\u1200'

。

同样适用于 0x1201、0x1202、...0x1399。

请注意，我们使用

.isprintable()

来过滤掉代码中一些无用的条目。

print(' '.join(chr(x) for x in range(0x1200, 0x139A) if chr(x).isprintable()))

或

for x in range(0x1200, 0x139A):
    if chr(x).isprintable():
        print(hex(x), chr(x))

_{请注意，代码示例需要Python3。}

Answer 2

一个老问题，但我会添加一个替代答案以供将来参考。

OP 希望使用 Unicode 范围 U+1200 到 U+1399 打印阿姆哈拉语字母，并且提供的答案基于 Unicode 范围 U+1200..U+1399 的解决方案。此范围包括两个 Unicode 块，其中包括标点符号、数字、未分配的代码点以及阿姆哈拉语中未使用的字母。基本上提供的解决方案包括很多阿姆哈拉语音节字符。

公共区域设置数据存储库包含有关各种区域设置的字符使用信息（示例数据）。这包括主要范例，即该语言/区域设置所需的字母。辅助范例，可用于外来词或外来词的附加字母。和索引范例。该数据可通过 icu4c 和 PyICU 访问：

import icu
# Create a LocaleData object for the Amharic Locale
# Use a locale label (string) rather than a Locale object.
ld = icu.LocaleData('am')
# Generate a Unicode Set containing the main (standard) exemplars.
exemplars = ld.getExemplarSet(icu.ULocaleDataExemplarSetType.ES_STANDARD)
# Typecast the UnicodeSet object to a list
exemplars_list = list(exemplars)
# Print list
print(*exemplars_list, sep=" ")

或将它们全部串在一起：

exemplars_list = list(icu.LocaleData('am').getExemplarSet(icu.ULocaleDataExemplarSetType.ES_STANDARD))

Answer 3

您发布的代码根本不会产生任何错误：

>>> [print(c) for c in u'U1399']
U
1
3
9
9
[None, None, None, None, None]

它也没有任何非 ASCII 字符。

您可能想使用 Unicode 反斜杠转义。你的问题可能更像是这样：

>>> u'\U1399'
SyntaxError: (unicode error) 'unicodeescape' codec can't decode bytes in position 0-5: truncated \UXXXXXXXX escape

原因是，正如错误消息所暗示的那样，

\U

转义需要 8 个十六进制数字，而您只提供了 4 个。所以：

>>> u'\U00001399'
'᎙'

但是有一个不同的转义符，序列

\u

（注意小写

u

），它只需要4位数字：

>>> u'\u1399'
'᎙'

如果您使用的是 Python 2.7，甚至可能在 Windows 上使用 Python 3，您可能看不到那个漂亮的输出，而是看到带有反斜杠转义的内容。但如果您

print

该字符串，您将看到正确的字符。

\U

和

\u

转义（以及其他转义）的完整详细信息记录在字符串和字节文字中（确保切换到您实际使用的Python版本，因为细节可能不同，尤其是2.x 和 3.x 之间），但通常您不需要了解比上面解释的更多的信息。