为什么 unicodedata.name() 会为某些 ASCII 字符引发“ValueError: no such name”？答案

【问题标题】：Why does unicodedata.name() raise "ValueError: no such name" for some ASCII characters?为什么 unicodedata.name() 会为某些 ASCII 字符引发“ValueError: no such name”？
【发布时间】：2022-01-01 13:53:35
【问题描述】：

unicodedata.name('\x00') 引发 ValueError 异常：

Python 3.8.10 (default, Sep 28 2021, 16:10:42) 
[GCC 9.3.0] on linux
Type "help", "copyright", "credits" or "license" for more information
>>> import unicodedata
>>> unicodedata.name('\x00')
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
ValueError: no such name

\x00 是 NUL 字符。为什么unicodedata.name('\x00') 会引发异常？对于其他不可打印的 ASCII 字符（\x00 到 \x1F 和 \x7F），我遇到了同样的错误。 unicodedata.name() 是否仅适用于可打印字符？如果有，Python 文档中哪里提到过？

【问题讨论】：

标签： python unicode

【解决方案1】：

根据Wikipedia article，Cc 控制字符在 Unicode 中没有名称。您提到的所有字符都归类为Cc类别（您可以使用unicodedata.category API确认）

>>> import unicodedata
>>> unicodedata.category('\x00')
'Cc'
>>> unicodedata.category('\x1F')
'Cc'
>>> unicodedata.category('\x7F')
'Cc'

在 Unicode 中，“控制字符”是 U+0000—U+001F（C0 控件）， U+007F（删除）和 U+0080—U+009F（C1 控件）。他们的将军类别是“抄送”。格式代码是不同的，在一般类别中 “比照”。 Cc 控制字符在 Unicod 中没有名称，但已给出标签，例如"<control-001A>"。

你还可以看到CONTROL CHARACTERs are在cpython source code中显式处理

【讨论】：

【解决方案2】：

如果你看一下 unicode 字符的名称是什么意思，它指的是这个列表：https://www.unicode.org/Public/13.0.0/ucd/NamesList.txt

如您所见，所有不可打印的 ASCII 控制字符都被命名为“<control>”：“NULL”不是 0000 的名称，而是别名。

现在，为什么 Python 不显示“<control>”是另一个我无法回答的问题。

【讨论】：

我认为是因为 '' 不是唯一的，因此可能会导致其他问题。