与えられたユニコード文字または文字列のスクリプト名を与えるPythonのライブラリはありますか？

Question

特定のユニコード文字がどのスクリプトに属しているかを示すライブラリがありますか？

たとえば、入力 "u 'ሕ'"の場合、エチオピアまたはそれに類するものが返されます。

Answer 1

Scripts.txtファイルを解析することができます。

# -*- coding: utf-8; -*- 

import bisect 

script_file = "/path/to/Scripts.txt" 
scripts = [] 

with open(script_file, "rt") as stream: 
    for line in stream: 
     line = line.split("#", 1)[0].strip() 
     if line: 
      rng, script = line.split(";", 1) 
      elems = rng.split("..", 1) 
      start = int(elems[0], 16) 
      if len(elems) == 2: 
       stop = int(elems[1], 16) 
      else: 
       stop = start 
      scripts.append((start, stop, script.lstrip())) 

scripts.sort() 
indices = [elem[0] for elem in scripts] 

def find_script(char): 
    if not isinstance(char, int): 
     char = ord(char) 
    index = bisect.bisect(indices, char) - 1 
    start, stop, script = scripts[index] 
    if start <= char <= stop: 
     return script 
    else: 
     return "Unknown" 

print find_script(u'A') 
print find_script(u'Д') 
print find_script(u'ሕ') 
print find_script(0x1000) 
print find_script(0xE007F) 
print find_script(0xE0080) 

コードは堅牢でも最適化もされていないことに注意してください。引数が有効な文字またはコードポイントを示すかどうかをテストし、隣接する同等の範囲を結合する必要があります。

Answer 2

はたぶんunicodedataモジュール内のデータは、あなたが探しているものです。

unicodedata.lookup("ETHIOPIC SYLLABLE HHE") 

：

print unicodedata.name(u"ሕ") 

プリント

ETHIOPIC SYLLABLE HHE 

印刷された名前は、対応する文字を検索するために使用することができます