检查一个字符串是否仅包含ASCII字符？

Question

如何在Python中检查字符串是否仅包含ASCII字符？类似于Ruby中的ascii_only?方法。

我希望能够判断从文件读取的特定数据是否为ASCII码。

- JavaSa

Answer 1

Python 3.7新增了一些方法可以达到你想要的效果：

str、bytes以及bytearray支持新的isascii()方法，用于测试字符串或字节是否仅包含ASCII字符。

---

否则：

>>> all(ord(char) < 128 for char in 'string')
True
>>> all(ord(char) < 128 for char in 'строка')
False

另一个版本：

>>> def is_ascii(text):
    if isinstance(text, unicode):
        try:
            text.encode('ascii')
        except UnicodeEncodeError:
            return False
    else:
        try:
            text.decode('ascii')
        except UnicodeDecodeError:
            return False
    return True
... 
>>> is_ascii('text')
True
>>> is_ascii(u'text')
True
>>> is_ascii(u'text-строка')
False
>>> is_ascii('text-строка')
False
>>> is_ascii(u'text-строка'.encode('utf-8'))
False

- warvariuc

---

我认为这将始终创建整个列表？它使用更多的内存，并且如果第一个字符是>0x80字符，则速度会变慢，因为它会一直迭代整个字符串（在大多数应用程序中并不太重要，但在某些应用程序中很重要）。 - Martin Tournoij

@Carpetsmoker >我认为这将始终创建整个列表？< 不，不会。all内部的表达式是一个生成器，逐个提供字符。 - warvariuc

哪个更快且时间复杂度更低？还是两者相同？ - JavaSa

@JavaSa，时间复杂度应该是相同的。哪个更快 - 你需要测量。我怀疑对于更大的字符串，编码/解码版本更快 - 它是用C实现的。 - warvariuc

有没有办法利用 mypy (http://www.mypy-lang.org) 来静态类型检查类型提示的字符串字面量，将其转换为 byte 类型以支持这一努力（在 mypy 检查时），而不仅仅依赖于运行时方法（我理解这是这个答案中正在发生的事情 - 如果我误解了，请纠正我）？ - Johnny Utahh

Answer 2

如果您有 Unicode 字符串，可以使用 "encode" 函数，然后捕获异常：

try:
    mynewstring = mystring.encode('ascii')
except UnicodeEncodeError:
    print("there are non-ascii characters in there")

如果您有字节，可以导入chardet模块并检查编码：

import chardet

# Get the encoding
enc = chardet.detect(mystring)['encoding']

- rotten

---

你应该捕获你期望的 UnicodeDecodeError 错误，而不是基本的 Exception 类。考虑一下如果由于某种原因 chardet.detect 没有一个 encoding 键，或者 mystring 是一个 list 或 int 会发生什么。 - Martin Tournoij

Answer 3

您也可以选择使用正则表达式来检查仅 ASCII 字符。 [\x00-\x7F] 可以匹配单个 ASCII 字符：

>>> OnlyAscii = lambda s: re.match('^[\x00-\x7F]+$', s) != None
>>> OnlyAscii('string')
True
>>> OnlyAscii('Tannh‰user')
False

- Quinn

Answer 4

一个解决你问题的方法是尝试使用特定编码对字符串进行编码。

例如：

'H€llø'.encode('utf-8')

这将会抛出以下错误：

Traceback (most recent call last):
    File "<stdin>", line 1, in <module>
UnicodeDecodeError: 'ascii' codec can't decode byte 0xe2 in position 1: ordinal not in range(128)

现在你可以捕获"UnicodeDecodeError"来确定字符串不仅包含ASCII字符。

try:
    'H€llø'.encode('utf-8')
except UnicodeDecodeError:
    print 'This string contains more than just the ASCII characters.'

- Girish Jadhav