Python全角和半角之间相互转换

1.应用领域:

全角和半角的转换通常用在自然语言处理过程中,由于全角和半角的不一致会导致信息抽取不一致,在使用语料训练语言模型会导致模型的效果不准确,所以需要统一。

2.全角半角转换概述

  • 全角字符unicode编码范围从65281~65374 (对应的十六进制范围是: 0xFF01 ~ 0xFF5E)
  • 半角字符unicode编码范围从33~126 (对应的十六进制范围从 0x21~ 0x7E)
  • 空格比较特殊,全角为12288(0x3000),半角为 32 (0x20)
  • 除空格外, 全角/半角按unicode编码排序在顺序上是对应的(半角 +65248 = 全角 or 半角 + 0x7e= 全角 )
  • 所以可以直接通过用±法来处理非空格数据,对空格单独处理

3.请注意:

中文文字永远是全角,只有英文字母、数字键、符号键才有全角半角的概念。
一个字母或数字占一个汉字的位置叫全角,占半个汉字的位置叫半角。

引号在中英文、全半角情况下是不同的
Python全角和半角之间相互转换_第1张图片

4.应用到的库函数

  • chr()函数用一个范围在range(256)内的(就是0~255)整数作参数,返回一个对应的字符。
  • unichr()跟它一样,只不过返回的是Unicode字符。
  • ord()函数是chr()函数(对于8位的ASCII字符串)或unichr()函数(对于Unicode对象)的配对函数,它以一个字符(长度为1的字符串)作为参数,返回对应的ASCII数值,或者Unicode数值。

示例:
Python全角和半角之间相互转换_第2张图片

5.全角转半角:

def strQ2B(ustring):
    rstring = ""
    for uchar in ustring:
        inside_code = ord(uchar)
        if inside_code == 12288:                            # 全角空格直接转换
            inside_code = 32
        elif 65281 <= inside_code <= 65374:   				# 全角字符(除空格)根据关系转化
            inside_code -= 65248
        rstring += chr(inside_code)
    return rstring

str11 = strQ2B("电影《2012》讲述了2012年12月21日的世界末日,主人公Jack以及世界各国人民挣扎求生的经历!")
print(str11)

运行结果:

电影《2012》讲述了2012年12月21日的世界末日,主人公Jack以及世界各国人民挣扎求生的经历!

6.半角转成全角:

def strB2Q(ustring):
    """半角转全角"""
    rstring = ""
    for uchar in ustring:
        inside_code = ord(uchar)
        if inside_code == 32:                 # 半角空格直接转化
            inside_code = 12288
        elif 32 <= inside_code <= 126:        # 半角字符(除空格)根据关系转化
            inside_code += 65248
        rstring += chr(inside_code)
    return rstring

str22 = strB2Q("电影《2012》讲述了2012年12月21日的世界末日,主人公Jack以及世界各国人民挣扎求生的经历!")
print(str22)

运行结果:

电影《2012》讲述了2012年12月21日的世界末日,主人公Jack以及世界各国人民挣扎求生的经历!

说在后面:

下面的内容都是从网上整理出来,因为曾经使用过,所以以后查询起来比较方便。

你可能感兴趣的:(【Python高级】)