Skutecznie wyświetla wszystkie znaki w danej kategorii Unicode.

Question

Często chce się wyświetlić wszystkie znaki w danej kategorii Unicode. Np

• List all Unicode whitespace, How can I get all whitespaces in UTF-8 in Python?
• Characters with the property Alphabetic

jest możliwe wytworzenie tej listy iteracji przez cały kod granicznymi i testowanie Unicode żądanej kategorii (Python 3)

[c for c in map(chr, range(0x110000)) if unicodedata.category(c) in ('Ll',)] 

lub użycie wyrażeń regularnych,

re.findall(r'\s', ''.join(map(chr, range(0x110000)))) 

Ale te metody są powolne. Czy istnieje sposób, aby wyszukać listę znaków w kategorii bez konieczności powtarzania ich wszystkich?

Podobne pytanie do Perl: How do I get a list of all Unicode characters that have a given property?

Answer 1

Jeśli trzeba to robić często, to dość łatwo zbudować sobie wielokrotnego użytku mapę:

import sys 
import unicodedata 
from collections import defaultdict 

unicode_category = defaultdict(list) 
for c in map(chr, range(sys.maxunicode + 1)): 
    unicode_category[unicodedata.category(c)].append(c) 

a stamtąd na zewnątrz wykorzystanie odwzorować ponownie na serię znaków dla danej kategorii:

alphabetic = unicode_category['Ll'] 

Jeśli jest to zbyt kosztowne na początek p czas, rozważ zrzut tej struktury do pliku; ładowanie tego odwzorowania z pliku JSON lub innego formatu szybkiego do parsowania do dyktowania nie powinno być zbyt bolesne.

Po wykonaniu mapowania wyszukiwanie kategorii odbywa się w stałym czasie.