Pythonの文字列がASCIIかどうかを確認するにはどうすればよいですか？

文字列がASCIIかどうかを確認したい。

気づいていますが、やってord()みるord('é')とわかりますTypeError: ord() expected a character, but string of length 2 found。Pythonのビルド方法が原因であることがわかりました（ord()のドキュメントで説明されています）。

チェックする別の方法はありますか？

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

あなたは正しい質問をしていないと思います-

Pythonの文字列には、「ascii」、utf-8、またはその他のエンコーディングに対応するプロパティはありません。文字列のソース（ファイルから読み取るか、キーボードから入力するかなど）は、ASCIIでUnicode文字列をエンコードして文字列を生成している可能性がありますが、ここで答えを得る必要があります。

おそらくあなたが尋ねることができる質問は次のとおりです：「この文字列はASCII文字列をASCIIでエンコードした結果ですか？」-これはあなたが試して答えることができます：

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"

Python 3の方法：

isascii = lambda s: len(s) == len(s.encode())

確認するには、テスト文字列を渡します。

str1 = "♥O◘♦♥O◘♦"
str2 = "Python"

print(isascii(str1)) -> will return False
print(isascii(str2)) -> will return True

Python 3.7の新機能（bpo32677）

文字列の面倒/非効率なasciiチェックが不要になり、新しい組み込みのstr/ bytes/ bytearrayメソッド- .isascii()文字列がasciiかどうかをチェックします。

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

最近このようなものに遭遇-将来の参考のために

import chardet

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

あなたはそれを使うことができます：

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

Vincent Marchettiは正しい考えをstr.decode持っていますが、Python 3では非推奨になりました。Python3では、次のコマンドで同じテストを行うことができますstr.encode。

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

キャッチする例外もからUnicodeDecodeErrorに変更されましたUnicodeEncodeError。

あなたの質問は間違っています。表示されるエラーは、Pythonの構築方法の結果ではなく、バイト文字列とUnicode文字列の混同によるものです。

バイト文字列（たとえば、Python構文では「foo」または「bar」）はオクテットのシーケンスです。0〜255の数値。Unicode文字列（たとえば、u "foo"またはu'bar '）は、Unicodeコードポイントのシーケンスです。0〜1112064の数値。しかし、あなたは（端末では）単一の文字を表すマルチバイトシーケンスである文字éに興味があるようです。

の代わりにord(u'é')、これを試してください：

>>> [ord(x) for x in u'é']

これにより、「é」が表すコードポイントのシーケンスがわかります。それはあなたに[233]を与えるかもしれませんし、それはあなたに[101、770]を与えるかもしれません。

代わりにchr()これを逆に、そこにありますunichr()：

>>> unichr(233)
u'\xe9'

この文字は、実際には、書記素または文字のいずれかを表す単一または複数のUnicode「コードポイント」のいずれかで表されます。これは、「eの鋭アクセント（つまり、コードポイント233）」または「e」（コードポイント101）の後に「前の文字の鋭アクセント」（コードポイント770）が続きます。したがって、このまったく同じ文字は、Pythonデータ構造u'e\u0301'またはとして表示される場合がありますu'\u00e9'。

ほとんどの場合、これを気にする必要はありませんが、Unicode文字列を反復処理する場合は、分解が可能な文字ではなくコードポイントによって反復が機能するため、問題になる可能性があります。言い換えれば、len(u'e\u0301') == 2そしてlen(u'\u00e9') == 1。これが重要な場合は、を使用して、合成フォームと分解フォームを変換できますunicodedata.normalize。

Unicode用語集は、特定の各用語がテキスト表現の異なる部分をどのように参照するかを指摘することにより、これらの問題のいくつかを理解するのに役立つガイドになる可能性があり、多くのプログラマーが理解するよりもはるかに複雑です。

これはどうですか？

import string

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

エンコーディングがわからない文字列を使用/エンコード/デコードする方法（およびその文字列内の特殊文字をエスケープ/変換する方法）を決定しようとしたときに、この質問を見つけました。

私の最初のステップは、文字列のタイプをチェックすることでした。タイプからフォーマットに関する適切なデータを取得できることに気づきませんでした。 この回答は非常に役に立ち、私の問題の根本原因になりました。

あなたが失礼でしつこくなっているなら

UnicodeDecodeError： 'ascii'コーデックは、263桁目のバイト0xc3をデコードできません：序数が範囲（128）にありません

特にエンコードする場合は、すでにUnicodeになっている文字列をunicode（）しようとしないようにしてください。なんらかの理由で、ASCIIコーデックエラーが発生します。（これがどれほどひどいのかをよりよく理解するには、Python KitchenレシピとPython docs tutorials も参照してください。）

結局、私がやりたかったのはこれだと判断しました。

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

デバッグに役立つのは、ファイルのデフォルトのコーディングをutf-8に設定することです（これをpythonファイルの先頭に置きます）。

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

これにより、Unicodeエスケープ（u '\ xe0 \ xe9 \ xe7'）を使用せずに特殊文字（ 'àéç'）をテストできます。

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

Python 2.6（およびPython 3.x）からのA​​lexanderのソリューションを改善するには、ヘルパーモジュールcurses.asciiを使用し、curses.ascii.isascii（）関数またはその他のさまざまなhttps://docs.python.org/2.6/を使用できます。 library / curses.ascii.html

from curses import ascii

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

Posix標準[[：ASCII：]]定義を受け入れる正規表現ライブラリを使用できます。

strPythonのスティング（-type）は一連のバイトです。文字列を見ただけでは、この一連のバイトがASCII文字列、ISO-8859-1のような8ビット文字セットの文字列、またはUTF-8またはUTF-16でエンコードされた文字列を表すかどうかを判断する方法はありません。。

ただし、使用されているエンコーディングがわかっている場合はdecode、strをUnicode文字列に変換し、正規表現（またはループ）を使用して、問題の範囲外の文字が含まれているかどうかを確認できます。

@RogerDahlの回答と同様ですが、find_allまたはの代わりに文字クラスを否定して検索を使用することにより、短絡する方が効率的matchです。

>>> 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

正規表現はこのために最適化されていると思います。

import re

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

空の文字列をASCIIとして含めるには、をに変更+し*ます。

クラッシュからあなたのコードを防ぐために、あなたは多分使用したいtry-exceptキャッチしますTypeErrors

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

例えば

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

以下を使用して、文字列がASCIIまたはUnicodeであるかどうかを判断します。

>> print 'test string'.__class__.__name__
str
>>> print u'test string'.__class__.__name__
unicode
>>> 

次に、条件ブロックを使用して関数を定義します。

def is_ascii(input):
    if input.__class__.__name__ == "str":
        return True
    return False