python 判斷是不是中文字

 下面這個小工具包含了 判斷unicode是否是漢字，數字，英文，或者其他字元。 全形符號轉半形符號。 unicode字串歸一化等工作。 還有一個能處理多音字的漢字轉拼音的程式，還在整理中。

 

#!/usr/bin/env python
# -*- coding:GBK -*- 

"""漢文書處理的工具:
判斷unicode是否是漢字，數字，英文，或者其他字元。
全形符號轉半形符號。"""

__author__="internetsweeper <zhengbin0713@gmail.com>"
__date__="2007-08-04"

def is_chinese(uchar):
        """判斷一個unicode是否是漢字"""
        if uchar >= u'/u4e00' and uchar<=u'/u9fa5':
                return True
        else:
                return False

def is_number(uchar):
        """判斷一個unicode是否是數字"""
        if uchar >= u'/u0030' and uchar<=u'/u0039':
                return True
        else:
                return False

def is_alphabet(uchar):
        """判斷一個unicode是否是英文字母"""
        if (uchar >= u'/u0041' and uchar<=u'/u005a') or (uchar >= u'/u0061' and uchar<=u'/u007a'):
                return True
        else:
                return False

def is_other(uchar):
        """判斷是否非漢字，數字和英文字元"""
        if not (is_chinese(uchar) or is_number(uchar) or is_alphabet(uchar)):
                return True
        else:
                return False

def B2Q(uchar):
        """半形轉全形"""
        inside_code=ord(uchar)
        if inside_code<0x0020 or inside_code>0x7e:      #不是半形字元就返回原來的字元
                return uchar
        if inside_code==0x0020: #除了空格其他的全形半形的公式為:半形=全形-0xfee0
                inside_code=0x3000
        else:
                inside_code+=0xfee0
        return unichr(inside_code)

def Q2B(uchar):
        """全形轉半形"""
        inside_code=ord(uchar)
        if inside_code==0x3000:
                inside_code=0x0020
        else:
                inside_code-=0xfee0
        if inside_code<0x0020 or inside_code>0x7e:      #轉完之後不是半形字元返回原來的字元
                return uchar
        return unichr(inside_code)

def stringQ2B(ustring):
        """把字串全形轉半形"""
        return "".join([Q2B(uchar) for uchar in ustring])

def uniform(ustring):
        """格式化字串，完成全形轉半形，大寫轉小寫工作"""
        return stringQ2B(ustring).lower()

def string2List(ustring):
        """將ustring按照中文，字母，數字分開"""
        retList=[]
        utmp=[]
        for uchar in ustring:
                if is_other(uchar):
                        if len(utmp)==0:
                                continue
                        else:
                                retList.append("".join(utmp))
                                utmp=[]
                else:
                        utmp.append(uchar)
        if len(utmp)!=0:
                retList.append("".join(utmp))
        return retList

if __name__=="__main__":
        #test Q2B and B2Q
        for i in range(0x0020,0x007F):
                print Q2B(B2Q(unichr(i))),B2Q(unichr(i))

        #test uniform
        ustring=u'中國 人名ａ高頻Ａ'
        ustring=uniform(ustring)
        ret=string2List(ustring)
        print ret