Python、unicodedata名称和codepoint值，我错过了什么？

Question

我正在处理unicode数据字符，我想知道为什么有些字符在unicodedata中没有任何名称？下面是一个示例代码，您可以在其中检查< unknown >

我以为unicode数据库里的每一个字符都被命名了，顺便说一句，它们都属于同一个类别，那就是[Cc] Other, Control。

另一个问题:如何获取unicode代码点值？是不是ord(unicodechar)做到了呢？

我还把文件的here (因为编码是一个奇怪的东西)，因为我认为我的剪切n‘粘贴与’不可见‘字符可能是有损的。

#!/bin/env python
# -*- coding: utf-8 -*-

#extracted and licensing from here:
"""
:author: Laurent Pointal <laurent.pointal@limsi.fr> <laurent.pointal@laposte.net>
:organization: CNRS - LIMSI
:copyright: CNRS - 2004-2009
:license: GNU-GPL Version 3 or greater
:version: $Id$
"""

# Chars alonemarks:
#         !?¿;,*¤@°:%|¦/()[]{}<>«»´`¨&~=#±£¥$©®"
# must have spaces around them to make them tokens.
# Notes: they may be in pchar or fchar too, to identify punctuation after
#        a fchar.
#        \202 is a special ,
#        \226 \227 are special -
alonemarks = u"!?¿;,\202*¤@°:%|¦/()[\]{}<>«»´`¨&~=#±\226"+\
     u"\227£¥$©®\""
import unicodedata
for x in alonemarks:
    unicodename = unicodedata.name(x, '<unknown>')
    print "\t".join(map(unicode, (x, len(x), ord(x), unicodename, unicodedata.category(x))))

    # unichr(int('fd9b', 16)).encode('utf-8')
    # http://stackoverflow.com/questions/867866/convert-unicode-codepoint-to-utf8-hex-in-python    

Answer 1

我以为unicode数据库里的每一个字符都被命名为

否，控制字符没有名称，请参阅UnicodeData文件

另一个问题:如何获得unicode代码点值？是ord(unicodechar)起作用了吗？

是!

print '%x' % ord(unicodedata.lookup('LATIN LETTER SMALL CAPITAL Z'))
## 1d22

Answer 2

根据unicodedata库documentation，

该模块使用的名称和符号与UnicodeData文件格式5.2.0定义的名称和符号相同(请参见here)

您的两个字符将显示以下输出：

1   150 <unknown>   Cc
1   151 <unknown>   Cc

它们对应于控制点字符0x96和0x97上面的unicode文档在the code point paragraph中规定：

代理代码点、专用字符、控制代码、非字符和未分配的代码点没有名称。

我不知道如何通过unicodedata模块获取对应于unicode注释的标签注释，但我认为您没有为您的两个控制字符获取任何名称，因为它是由Unicode规范以这种方式定义的。