如何检查 Python 中的字符串是否为 ASCII？

问题描述：

我想检查一个字符串是否是 ASCII 格式。

我知道ord()，但是当我尝试时ord('é')，我有TypeError: ord() expected a character, but string of length 2 found。我明白这是由我构建 Python 的方式引起的（如ord()的文档中所述）。

还有其他方法可以检查吗？

解决方案 1：

我认为你问的问题不对——

python 中的字符串没有与 'ascii'、utf-8 或任何其他编码相对应的属性。字符串的来源（无论是从文件读取，还是从键盘输入等）可能已将 unicode 字符串编码为 ascii 以生成字符串，但这就是您需要寻找答案的地方。

也许您可能会问的问题是：“这个字符串是用 ascii 编码 unicode 字符串的结果吗？”——您可以通过尝试来回答：

try:
    mystring.decode('ascii')
except UnicodeDecodeError:
    print "it was not a ascii-encoded unicode string"
else:
    print "It may have been an ascii-encoded unicode string"

解决方案 2：

def is_ascii(s):
    return all(ord(c) < 128 for c in s)

解决方案 3：

Python 3.7 中的新功能（bpo32677）

不再需要对字符串进行繁琐/低效的 ascii 检查，新的内置str/ bytes/bytearray方法 -.isascii()将检查字符串是否为 ascii。

print("is this ascii?".isascii())
# True

解决方案 4：

在 Python 3 中，我们可以将字符串编码为 UTF-8，然后检查长度是否保持不变。如果是，则原始字符串为 ASCII。

def isascii(s):
    """Check if the characters in string s are in ASCII, U+0-U+7F."""
    return len(s) == len(s.encode())

为了检查，请传递测试字符串：

>>> isascii("♥O◘♦♥O◘♦")
False
>>> isascii("Python")
True

解决方案 5：

Vincent Marchetti 的想法是正确的，但是str.decode在 Python 3 中已被弃用。在 Python 3 中，你可以使用以下命令进行相同的测试str.encode：

try:
    mystring.encode('ascii')
except UnicodeEncodeError:
    pass  # string is not ascii
else:
    pass  # string is ascii

请注意，您想要捕获的异常也已从 更改UnicodeDecodeError为UnicodeEncodeError。

解决方案 6：

您的问题不正确；您看到的错误不是由您构建 python 的方式引起的，而是由字节字符串和 unicode 字符串之间的混淆引起的。

字节字符串（例如，python 语法中的“foo”或“bar”）是八位字节序列；数字从 0 到 255。Unicode 字符串（例如，u“foo”或 u'bar'）是 unicode 代码点序列；数字从 0 到 1112064。但您似乎对字符 é 感兴趣，它（在您的终端中）是一个代表单个字符的多字节序列。

不要这样ord(u'é')，试试这个：

>>> [ord(x) for x in u'é']

这会告诉您“é”代表哪个代码点序列。它可能会给您 [233]，也可能给您 [101, 770]。

而不是chr()扭转这种情况，而是unichr()：

>>> unichr(233)
u'xe9'

这个字符实际上可以表示为一个或多个 unicode“代码点”，这些代码点本身表示字素或字符。它要么是“带有重音符号的 e（即代码点 233）”，要么是“e”（代码点 101），后跟“前一个字符上的重音符号”（代码点 770）。因此，这个完全相同的字符可以表示为 Python 数据结构u'e/u0301'或u'/u00e9'。

大多数情况下，您不必关心这一点，但如果您正在迭代 unicode 字符串，这可能会成为一个问题，因为迭代是按代码点而不是按可分解字符进行的。换句话说，len(u'e/u0301') == 2和len(u'/u00e9') == 1。如果您对此很在意，您可以使用在组合形式和分解形式之间进行转换unicodedata.normalize。

Unicode 词汇表可以作为理解其中一些问题的有用指南，它指出每个特定术语如何指代文本表示的不同部分，而这比许多程序员意识到的要复杂得多。

解决方案 7：

最近遇到了类似的事情 - 以供将来参考

import chardet

encoding = chardet.detect(string)
if encoding['encoding'] == 'ascii':
    print 'string is in ascii'

您可以将其与以下对象一起使用：

string_ascii = string.decode(encoding['encoding']).encode('ascii')

解决方案 8：

这样做怎么样？

import string

def isAscii(s):
    for c in s:
        if c not in string.ascii_letters:
            return False
    return True

解决方案 9：

我在尝试确定如何使用/编码/解码我不确定其编码的字符串（以及如何转义/转换该字符串中的特殊字符）时发现了这个问题。

我的第一步应该是检查字符串的类型——我没有意识到我可以从类型中获得有关其格式的良好数据。 这个答案非常有帮助，找到了我问题的真正根源。

如果你遇到一个粗鲁而执着的人

UnicodeDecodeError：'ascii'编解码器无法解码位置 263 中的字节 0xc3：序数不在范围内（128）

特别是在进行编码时，请确保您没有尝试对已经是unicode的字符串进行unicode() - 由于某些可怕的原因，您会收到ascii编解码器错误。（另请参阅Python Kitchen食谱和Python文档教程，以更好地了解这有多么糟糕。）

最终我决定我想做的事情是：

escaped_string = unicode(original_string.encode('ascii','xmlcharrefreplace'))

将文件中的默认编码设置为 utf-8（将其放在 python 文件的开头）也有助于调试：

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

这样您就可以测试特殊字符（'àéç'），而不必使用其 Unicode 转义符（u'àéç'）。

>>> specials='àéç'
>>> specials.decode('latin-1').encode('ascii','xmlcharrefreplace')
'àéç'

解决方案 10：

为了改进 Alexander 在 Python 2.6（以及 Python 3.x）中的解决方案，您可以使用辅助模块 curses.ascii 并使用 curses.ascii.isascii() 函数或其他各种函数：https://docs.python.org/2.6/library/curses.ascii.html

from curses import ascii

def isascii(s):
    return all(ascii.isascii(c) for c in s)

解决方案 11：

您可以使用接受 Posix 标准 [[:ASCII:]] 定义的正则表达式库。

解决方案 12：

Python 中的字符串 ( str-type) 是一系列字节。仅从字符串来看，无法判断这一系列字节是代表 ASCII 字符串、8 位字符集（如 ISO-8859-1）的字符串，还是用 UTF-8 或 UTF-16 或其他编码的字符串。

但是如果您知道所使用的编码，那么您可以将decodestr 转换为 unicode 字符串，然后使用正则表达式（或循环）来检查它是否包含您所关注的范围之外的字符。

解决方案 13：

与@RogerDahl 的答案find_all类似，但通过否定字符类并使用搜索而不是或来进行短路更有效match。

>>> import re
>>> re.search('[^x00-x7F]', 'Did you catch that x00?') is not None
False
>>> re.search('[^x00-x7F]', 'Did you catch that xFF?') is not None
True

我想象正则表达式已经针对这一点进行了很好的优化。

解决方案 14：

import re

def is_ascii(s):
    return bool(re.match(r'[x00-x7F]+$', s))

要将空字符串包含为 ASCII，请将 更改+为*。

解决方案 15：

为了防止代码崩溃，你可能需要try-except使用TypeErrors

>>> ord("¶")
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
TypeError: ord() expected a character, but string of length 2 found

例如

def is_ascii(s):
    try:
        return all(ord(c) < 128 for c in s)
    except TypeError:
        return False