Python、unicodedata名称和codepoint值，我缺少什么？

Question

我处理的是unicode数据字符，我想知道为什么有些字符在unicodedata中没有任何名称？下面是一个示例代码，您可以在其中检查< unknown >

我认为unicode数据库中的每个字符都是命名的，顺便说一句，它们都属于同一个类别[Cc] Other, Control。在

另一个问题：如何获得unicode码位值？是ord(unicodechar)起作用了吗？在

我还把文件here（因为编码是一件奇怪的事情），因为我认为我的带有“不可见”字符的剪切粘贴可能会丢失。在

#!/bin/env python
# -*- coding: utf-8 -*-

#extracted and licensing from here:
"""
:author: Laurent Pointal <laurent.pointal@limsi.fr> <laurent.pointal@laposte.net>
:organization: CNRS - LIMSI
:copyright: CNRS - 2004-2009
:license: GNU-GPL Version 3 or greater
:version: $Id$
"""

# Chars alonemarks:
#         !?¿;,*¤@°:%|¦/()[]{}<>«»´`¨&~=#±£¥$©®"
# must have spaces around them to make them tokens.
# Notes: they may be in pchar or fchar too, to identify punctuation after
#        a fchar.
#        \202 is a special ,
#        \226 \227 are special -
alonemarks = u"!?¿;,\202*¤@°:%|¦/()[\]{}<>«»´`¨&~=#±\226"+\
     u"\227£¥$©®\""
import unicodedata
for x in alonemarks:
    unicodename = unicodedata.name(x, '<unknown>')
    print "\t".join(map(unicode, (x, len(x), ord(x), unicodename, unicodedata.category(x))))

    # unichr(int('fd9b', 16)).encode('utf-8')
    # http://stackoverflow.com/questions/867866/convert-unicode-codepoint-to-utf8-hex-in-python    

Answer 1

根据unicodedata库documentation

The module uses the same names and symbols as defined by the UnicodeData File Format 5.2.0 (see here)

您的两个字符将显示以下输出：

1   150 <unknown>   Cc
1   151 <unknown>   Cc

它们对应于控制点字符0x96和0x97 上面的unicode文档在the code point paragraph中规定：

Surrogate code points, private-use characters, control codes, noncharacters, and unassigned code points have no names.

我不知道如何通过unicodedata模块获得与unicode注释相对应的标签注释，但我认为您无法获得两个控制字符的任何名称，因为它是由unicode规范定义的。在

Answer 2

i thought that every characters inside unicode database were named

不，控制字符没有名称，请参见UnicodeData文件

another question, is how can i get the unicode code point value ? is it ORD(unicodechar)

是的！在

print '%x' % ord(unicodedata.lookup('LATIN LETTER SMALL CAPITAL Z'))
## 1d22