识别无法打印的Unicode字符

Question

我需要确定（或预测）何时Unicode字符无法打印。例如，如果我在默认设置下打印此Unicode字符，则可以正常打印：

>>> print(u'\ua62b')
ꘫ

但如果我打印另一个Unicode字符，它会打印出一个愚蠢、奇怪的正方形：

>>> print(u'\ua62c')
꘬

我需要在字符打印之前确定它是否会显示为一个丑陋的方块（有时是匿名空白）。这是什么原因，如何预测？与此相关的是IT技术。

- john_science

---

我不确定这是一个容易解决的问题，它取决于输出终端和终端使用的字体。 - DanielGibbs

@DanielGibbs 啊！如果这是字体相关的，我应该能够解析字体信息，对吧？或者选择一个已知限制的字体？我应该能够确定终端的已知信息。不过...是什么决定了终端的这个特性呢？ - john_science

实际上，在你的情况下，问题似乎是\ua62c字符并不是一个有效的Unicode字符，所以你可能需要首先进行某种检查。 - DanielGibbs

@DanielGibbs 啊，原来如此！好的，这是我不知道的一件事……那么，有些Unicode ID指向“无效”的字符？我不知道这是一件事。有没有检查有效性的方法？ - john_science

Answer 1

虽然很难确定运行脚本的终端（或您的终端使用的字体）是否能正确呈现给定字符，但您至少可以检查该字符是否有表示形式。 字符"\ua62b"被定义为"VAI SYLLABLE NDOLE DO"，而字符"\ua62c"没有定义，因此可能会呈现为方块或其他通用符号。 检查字符是否已定义的一种方法是使用unicodedata模块：

>>> import unicodedata
>>> unicodedata.name(u"\ua62b")
'VAI SYLLABLE NDOLE DO'
>>> unicodedata.name(u"\ua62c")
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
ValueError: no such name

正如你在上面看到的，对于未定义的字符\ua62c，会引发一个ValueError。

另一种方法是检查字符的类别。如果它是Cn，那么这个字符没有被分配：

>>> import unicodedata
>>> unicodedata.category(u"\ua62b")
'Lo'
>>> unicodedata.category(u"\ua62c")
'Cn'

- DanielGibbs

---

非常感谢您的及时回复。我学到了一些关于Unicode的知识。看起来我有一些阅读要做。谢谢！ - john_science