我遇到了奇怪的乌克兰词Кири́лл。我将其转换为 unicode 并使用 isalpha 对其进行了测试,结果返回了 False。我环顾四周,发现这个词包含一个名为'combining acute accent'的字符。所以字母 и́ 实际上是两个字符的组合:и 和 ́。如果我理解正确的话,组合标记(如这个重音符号)仅用于修饰其他字符。所以 isalpha 应该将这个字符串识别为一个词。我错了吗?有没有办法得到正确的结果? utf8 中的相关单词:
word = '\xd0\x9a\xd0\xb8\xd1\x80\xd0\xb8\xcc\x81\xd0\xbb\xd0\xbb'
请您参考如下方法:
我认为您需要替换任何修饰符字符的字符串,因为修饰符字符不被视为 alpha
modifiers = "\xcc\x81|<OTHER>|<MODIFIERS>"
text_to_analyze = re.sub(modifiers,"",my_text)
print unicode(text_to_analyze,"utf8").isalpha()
