Unicode vs ASCII - 使用字符串和 re 模块中的函数处理字符串答案

【问题标题】：Unicode vs ASCII - Issue processing strings with functions in string and re modulesUnicode vs ASCII - 使用字符串和 re 模块中的函数处理字符串
【发布时间】：2015-10-24 10:56:31
【问题描述】：

我正在使用 string 和 re 模块来处理文本（在句子中查找带条纹的单词）以解决 Python 2.7 中 checkIO 的问题。当我在我的计算机上运行我的 python 脚本时，我没有收到任何错误。

text = "My name is ..."

import re, string

init_word_list = re.findall('[A-z0-9]+', text)

word_list = []

for k in init_word_list:
    print type(k), repr(k)
    if str.isdigit(k):
        word_list.append(k)
    else:
        pass

但是，当我在 checkIO 上运行相同的代码时，我收到以下 TypeError。

TypeError: descriptor 'isdigit' requires a 'str' object but received a `'unicode'`

您可能已经注意到，我确实插入了 type() 和 rep() 来确定 python 在那时读取我的字符串的内容。这是输出：

<type 'unicode'> u'My'

我想知道，如果我做错了什么。另外，我有什么选择来解决这个问题？在运行 str.isdigit() 函数之前，我应该从 unicode 转换为 ASCII 吗？或者，我应该使用 re 模块进行字母检查吗？我冒昧地猜测，人们会将我指向 checkIO 论坛，以了解为什么他们的程序处理脚本的方式与在我的计算机上运行的 python 不同，但如果有人也理解这一点.. 太好了。 :)

【问题讨论】：

标签： regex string python-2.7 unicode ascii

【解决方案1】：

我确实找到了解决上述问题的方法，方法是使用 encode("ascii", "ignore")，并将上述代码的一部分替换为以下代码：

for k in init_word_list:
    l = k.encode("ascii", "ignore")
    if str.isalpha(l):
        word_list.append(k)
    else:
        pass

通过花一些额外的时间谷歌搜索，我了解到 ascii 是 unicode 字符的子集 (link)。由于 checkIO 只为我提供 ascii 子集中的字符，所以我的转换没有问题。我想在进行这种类型的转换时应该小心。

【讨论】：