Python - isalpha() 在 unicode 修饰符上返回 True答案

【问题标题】：Python - isalpha() returns True on unicode modifiersPython - isalpha() 在 unicode 修饰符上返回 True
【发布时间】：2018-04-01 13:46:49
【问题描述】：

如果符号 ˇ 不是字母，为什么 u'\u02c7'.isalpha() 返回 True？此方法仅适用于 ASCII 字符吗？

【问题讨论】：

它是字母，根据 Unicode 标准。
Category "Lm"
谢谢，你是对的，想通了

标签： python unicode python-unicode

【解决方案1】：

U+02c7 CARON 是Lm (Modifier Letter) category 中的一个代码点，所以根据 Unicode 标准，它是字母。

str.isalpha() 的文档清楚地说明了包含的内容：

字母字符是在 Unicode 字符数据库中定义为“字母”的字符，即一般类别属性为“Lm”、“Lt”、“Lu”、“Ll”或“Lo”之一的字符。 )

您没有定义正常工作的含义；显然，您对字母的构成有不同的定义。如果您只期望 Latin-1 字母，那么您需要限制还需要测试字符串是否可以安全地编码为 Latin-1。在 Unicode 的 Latin-1 子集中恰好有零个 Lm 类别代码点（也没有 Lt 字符，只有 2 个 Lo 字符，ª (U+00AA) 和 º (U+00BA)）。

【讨论】：

是的，我没有看到修饰符也是字母，虽然我觉得有点奇怪。期望将 ASCII 字母或最多带有变音符号等的 unicode 字母定义为“字母字母”
@Kostya：那时你才想到拉丁字母 1。
@Kostya：（有拉丁衍生的 Lm 代码点，但它们位于 02B0 - 02B8 范围内，超出 Unicode 标准的 ISO-8859-1 / Latin-1 范围，甚至更远） )。
原因：你想检查一个字符串是否是一个单词（由字母字符组成）。修饰符只是修饰这些字符，但结果仍然是一个（重音）单词。注意：只是一个组合字符不是有效的 unicode 字符串，所以你不应该遇到这种极端情况。
@GiacomoCatenazzi：这些是不组合字符。恰好有零个代码点都是字母（类别L*）并且具有非0的组合类（因此它们修改其他字符）。组合字符是总是标记（类别M*，组合标记），绝不是任何其他类别。见D52 in Chapter 3.6 of the Unicode comformance section。