用python检测unicode私人使用区域字符答案

【问题标题】：Detecting unicode private use area characters with python用python检测unicode私人使用区域字符
【发布时间】：2015-12-08 23:59:43
【问题描述】：

在 python 3 中识别 unicode 私有字符的正确方法是什么？ unicodedata 模块中没有任何明显相关的内容，这使得查找角色名称和属性变得容易。

一些背景：unicodedata.name()，它给出了 unicode 字符的名称，如果使用私有字符调用（例如，尝试 unicodedata.name("\uf026")），将引发 ValueError。但是空白字符（除了空格本身）以及其他可能的东西也会触发异常。那么检测 PUA 字符的非hacky、可靠的方法是什么？

【问题讨论】：

标签： python python-3.x unicode

【解决方案1】：

私人使用字符都在Cogeneral category中，由category()在unicodedata中返回：

>>> import unicodedata
>>> def is_pua(c):
...   return unicodedata.category(c) == 'Co'
...
>>> is_pua(u'\uF026')
True

鉴于 Unicode 标准 guarantees 规定私有字符集永远不会改变（永远不会添加或删除任何字符），硬编码 three ranges 也是安全的：

U+E000 到 U+F8FF
U+F0000 到 U+FFFFD
U+100000 到 U+10FFFD

【讨论】：

有道理。但是真的没有库方法已经完成了这个简单的计算吗？（例如，以字符类的形式）
我忘了他们也在同一个category()，应该是干净一点吧。
嗯，我已经尝试过category()，但是unicodedata 中似乎没有记录两个字母代码的含义（我尝试过的代码点为Co）。是否只有 PUA 字符具有类别Co？这确实是一个很好的解决方案。
自己找到的：谷歌搜索没有帮助，但是 python 的 unicode howto 有一个指向 General Category Values 的表的指针。类别 Co 似乎仅适用于 PUA 代码点。（欢迎您在回答中包含此内容）。