Unicode 字符名称列表答案

【问题标题】：List of unicode character namesUnicode 字符名称列表
【发布时间】：2015-05-18 12:04:38
【问题描述】：

在 Python 中，我可以按名称打印 unicode 字符（例如 print(u'\N{snowman}')）。有没有办法获得所有有效名称的列表？

【问题讨论】：

那将是整个 Unicode 标准。
你为什么要问这个问题？
@MikeGraham 想和我的学生玩个小游戏。
请注意，如果他们使用不同版本的 Python，游戏可能会适得其反：请参阅 Martijn Pieters' answer below。

标签： python unicode

【解决方案1】：

如果您想要所有 Unicode 字符名称的列表，请考虑下载Unicode Character Database。

它包含在许多 Linux 发行版的基础存储库中（例如 RHEL 上的“unicode-ucd”）。

该软件包包括NamesList.txt，其中包含详尽的 unicode 字符名称列表。

注意：NamesList.txt 需要多次下载（大小 > 1.5 MB）。

例子：

21FE    RIGHTWARDS OPEN-HEADED ARROW
21FF    LEFT RIGHT OPEN-HEADED ARROW
@@  2200    Mathematical Operators  22FF
@@+
@       Miscellaneous mathematical symbols
2200    FOR ALL
    = universal quantifier
2201    COMPLEMENT
    x (latin letter stretched c - 0297)
2202    PARTIAL DIFFERENTIAL
2203    THERE EXISTS
    = existential quantifier
2204    THERE DOES NOT EXIST
    : 2203 0338
2205    EMPTY SET
    = null set
    * used in linguistics to indicate a null morpheme or phonological "zero"
    x (latin capital letter o with stroke - 00D8)
    x (diameter sign - 2300)
    ~ 2205 FE00 zero with long diagonal stroke overlay form

【讨论】：

【解决方案2】：

每个代码点都有一个名称，因此您实际上是在请求Unicode standard list of codepoint names（以及*list of name aliases，Python 3.3 及更高版本支持）。

每个 Python 版本都支持特定版本的 Unicode 标准； unicodedata.unidata_version attribute 告诉你哪个是给定的 Python 运行时。以上链接指向最新发布的 Unicode 版本，请将 URL 中的 UCD/latest 替换为您的 Python 版本的 unicodedata.unidata_version 值。

对于每个代码点，unicodedata.name() function 可以告诉您正式名称，unicodedata.lookup() 为您提供相反的名称（代码点的名称）。

【讨论】：

谢谢。我认为可能会有反向查找 name -> unichr 但我想没有。
@lazy1: 你是说unicodedata.lookup()?
lookup 只是为了一个，我想要整个列表。我的评论措辞不好:(
这里只需要吹毛求疵，因为字符名称列表只是“整个 Unicode 标准”的一小部分。大量元数据和大量附录解释了许多复杂的文本相关算法，也是标准的一部分。
@JoachimSauer：同意，我提供了更好的链接。

【解决方案3】：

全部打印出来：

import unicodedata 

for i in range(0x110000): 
    character = chr(i) 
    name = unicodedata.name(character, "") 
    if len(name) > 0: 
        print(f"{i:6} | 0x{i:04X} | {character} | {name}")

【讨论】：

【解决方案4】：

是的，有办法。遍历所有现有代码点并在每个代码点上调用 unicodedata.name()。像这样：

names = []
for c in range(0, 0x10FFFF + 1):
    try:
        names.append(unicodedata.name(c))
    except KeyError:
        pass
# Do something with names

【讨论】：

【解决方案5】：

对于给定的代码点，您可以使用unicodedata.name。要获得所有这些名称，您可以查看所有数十亿，看看哪些有这样的名字。

【讨论】：

不是数十亿。标准并没有那么那么大。然而。 Unicode 7.0 包含 112,804。
没有数十亿个名字，但有数十亿个潜在的代码点需要处理并检查我们是否天真地前进。
确实有（并且永远会有）1,114,112 个潜在的代码点。你必须非常天真才能走遍整个 32 位空间。

【解决方案6】：

如果您想按名称插入 unicode 字符，但不知道名称。以下是您轻松了解 unicode 字符名称的方法。

在 Windows 上

打开“Character Map”（搜索charmap.exe 并运行它）。
选择任何常见的 Microsoft 字体（这些字体往往定义了多种 unicode 字符）。
单击地图上的任何字符以获取其 Unicode 字符名称。

在 Mac 上称为“字符调色板”，可在系统偏好设置、“国际 -> 输入”或“语言和文本 -> 输入源”下通过勾选“字符调色板”旁边的框找到.

【讨论】：

【解决方案7】：

我的一个班轮，仅供我自己参考；p

import unicodedata
names = [unicodedata.name(chr(c)) for c in range(0, 0x10FFFF+1) if unicodedata.name(chr(c), None)]

【讨论】：