Python——检查字符串是否包含西里尔字母

Question

如何检查一个字符串是否包含西里尔字母？

例如：

>>> has_cyrillic('Hello, world!')
False
>>> has_cyrillic('Привет, world!')
True

- Max Malysh

---

奇怪的是，直到现在这个问题才没有被标记为 [tag:cyrillic]... - smci

Answer 1

您可以使用正则表达式来检查字符串是否包含 а-я, А-Я 范围内的字符：

您可以使用正規表示式檢查字串中是否包含 а-я, А-Я 範圍內的字符：

import re 

def has_cyrillic(text):
    return bool(re.search('[а-яА-Я]', text))

---

或者，您可以匹配整个西里尔字母范围：

def has_cyrillic(text):
    return bool(re.search('[\u0400-\u04FF]', text))

这也将匹配扩展的西里尔字母（例如 ё，Є，ў）。

- Max Malysh

---

糟糕，has_cyrillic('Hello, wёrld!') 的结果是 False。 - DYZ

如果有人在寻找 R 等价物，则 grepl(pattern = '[\u0400-\u04FF]', x = text) 可以解决问题。 - Marina

就我而言，它运行正常。 - Yura Liashenko

Answer 2

regex 支持 Unicode 属性和少数缩写形式。

>>> regex.search(r'\p{IsCyrillic}', 'Hello, world!')
>>> regex.search(r'\p{IsCyrillic}', 'Привет, world!')
<regex.Match object; span=(0, 1), match='П'>
>>> regex.search(r'\p{IsCyrillic}', 'Hello, wёrld!')
<regex.Match object; span=(8, 9), match='ё'>

- Ignacio Vazquez-Abrams

Answer 3

建议一种比这里讨论的方法更快的方式。 方法#1：

len("экономия3r4".encode("ascii", "ignore")) > len ("экономия3r4")

246 ns ± 7.76 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)

如果有西里尔字母，则会打印“True”

方法#2：

由Max在之前的帖子中讨论过。

import re

def has_cyrillic(text):
    return bool(re.search('[а-яА-Я]', text))

has_cyrillic("экономия3r4")

929 ns ± 20.6 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)

- Sateesh

---

要检查一个字符串是否为 Cyrillic，可以使用以下代码：len("экономия3r4".encode("ascii", "ignore")) < len("экономия3r4")。 - Demetry Pascal

方法一在性能方面很好，但它考虑了所有非ASCII字符（如中文、印地语）而不只是考虑西里尔字母。 - GooDeeJAY

Answer 4

你可以创建一个包含 Cyrillic 字母的 set，然后检查字符串中的每个字符：

cyrillic_letters = {....} # fill it with the cyrillic letters

def has_cyrillic(text):
    for c in text:
        if c in cyrillic_letters:
            return True
    return False

- Niema Moshiri