Python实现全角与半角相互转换

全角与半角转换在处理汉语语料中会经常出现，这里分别说明汉字、数字、字母的unicode编码范围。以及全角与半角的转换方法。最后给出wiki上全角和半角的编码对照表。这里Python需要用Python3版本。

汉字的判断

汉字的unicode编码范围 u4e00 到 u9fa5。

def is_chinese(uchar):
    """判断一个unicode是否是汉字"""
    if uchar >= u'\u4e00' and uchar<=u'\u9fa5':
        return True
    else:
        return False

数字0-9的判断

数字的unicode编码范围根据全角和半角，有两个不同区域，半角数字 u0030 到 u0039，全角数字 uff10 到 uff19。

def is_number(uchar):
    """判断一个unicode是否是半角数字"""
    if uchar >= u'\u0030' and uchar<=u'\u0039':
        return True
    else:
        return False
    
def is_Qnumber(uchar):
    """判断一个unicode是否是全角数字"""
    if uchar >= u'\uff10' and uchar <= u'\uff19':
        return True
    else:
        return False

大小写字母判断

字母的unicode编码根据字母大小写，以及全角和半角共有四个区域。
半角大写字母：u0041 - u005a ，半角小写字母：u0061 - u007a ；
全角大写字母：uff21 - uff3a ， 全角小写字母：uff41 - uff5a 。

def is_alphabet(uchar):
    """判断一个unicode是否是半角英文字母"""
    if (uchar >= u'\u0041' and uchar <= u'\u005a') or (uchar >= u'\u0061' and uchar <= u'\u007a'):
        return True
    else:
        return False

def is_Qalphabet(uchar):
    """判断一个unicode是否是全角英文字母"""
    if (uchar >= u'\uff21' and uchar <= u'\uff3a') or (uchar >= u'\uff41' and uchar <= u'\uff5a'):
        return True
    else:
        return False

非汉字和数字字母的判断

判断除汉字、数字0-9、字母之外的字符。

def is_other(uchar):
    """判断是否非汉字，数字和英文字符"""
    if not (is_chinese(uchar) or is_number(uchar) or is_alphabet(uchar)):
        return True
    else:
        return False

全角和半角的转换

全角半角转换需要用到上面的数字、字母等判断。

1. 所有半角转全角，不是半角范围直接返回，空格半角特殊单独处理，其它半角和全角对应公式：半角 = 全角 - 0xfee0

def B2Q(uchar):
    """单个字符 半角转全角"""
    inside_code = ord(uchar)
    if inside_code < 0x0020 or inside_code > 0x7e: # 不是半角字符就返回原来的字符
        return uchar 
    if inside_code == 0x0020: # 除了空格其他的全角半角的公式为: 半角 = 全角 - 0xfee0
        inside_code = 0x3000
    else:
        inside_code += 0xfee0
    return chr(inside_code)

2. 所有全角转半角，和前面正好相反，公式对应：全角 = 半角 + 0xfee0

def Q2B(uchar):
    """单个字符 全角转半角"""
    inside_code = ord(uchar)
    if inside_code == 0x3000:
        inside_code = 0x0020
    else:
        inside_code -= 0xfee0
    if inside_code < 0x0020 or inside_code > 0x7e: #转完之后不是半角字符返回原来的字符
        return uchar
    return chr(inside_code)

3. 把整个字符串全角转半角，也可以只转部分如数字和字母

def stringQ2B(ustring):
    """把字符串全角转半角"""
    return "".join([Q2B(uchar) for uchar in ustring])

def stringpartQ2B(ustring):
    """把字符串中数字和字母全角转半角"""
    return "".join([Q2B(uchar) if is_Qnumber(uchar) or is_Qalphabet(uchar) else uchar for uchar in ustring])

测试上面的全角半角转换。

text = "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，灾难面前，尽现人间百态。"

print("text原文：", text, sep="\n", end="\n")
text1 = stringQ2B(text)
print("全角转半角：", text1, sep="\n", end="\n")
text2 = stringpartQ2B(text)
print("数字字母全角转半角：", text2, sep="\n", end="\n")

结果如下，只转数字字母与全部转是有区别的：

全角半角转换结果

附全角和半角编码对应表

1. ASCII内字符的全角和半角，包括数字0-9、大小写字母、标点符号等。

ASCII	全角字符	Unicode	半角字符	Unicode
0x20	"　"	U+3000	" "	U+0020
0x21	！	U+FF01	!	U+0021
0x22	＂	U+FF02	"	U+0022
0x23	＃	U+FF03	#	U+0023
0x24	＄	U+FF04	$	U+0024
0x25	％	U+FF05	%	U+0025
0x26	＆	U+FF06	&	U+0026
0x27	＇	U+FF07	'	U+0027
0x28	（	U+FF08	(	U+0028
0x29	）	U+FF09	)	U+0029
0x2A	＊	U+FF0A	*	U+002A
0x2B	＋	U+FF0B	+	U+002B
0x2C	，	U+FF0C	,	U+002C
0x2D	－	U+FF0D	-	U+002D
0x2E	．	U+FF0E	.	U+002E
0x2F	／	U+FF0F	/	U+002F
0x30	０	U+FF10	0	U+0030
0x31	１	U+FF11	1	U+0031
0x32	２	U+FF12	2	U+0032
0x33	３	U+FF13	3	U+0033
0x34	４	U+FF14	4	U+0034
0x35	５	U+FF15	5	U+0035
0x36	６	U+FF16	6	U+0036
0x37	７	U+FF17	7	U+0037
0x38	８	U+FF18	8	U+0038
0x39	９	U+FF19	9	U+0039
0x3A	：	U+FF1A	:	U+003A
0x3B	；	U+FF1B	;	U+003B
0x3C	＜	U+FF1C	<	U+003C
0x3D	＝	U+FF1D	=	U+003D
0x3E	＞	U+FF1E	>	U+003E
0x3F	？	U+FF1F	?	U+003F
0x40	＠	U+FF20	@	U+0040
0x41	Ａ	U+FF21	A	U+0041
0x42	Ｂ	U+FF22	B	U+0042
0x43	Ｃ	U+FF23	C	U+0043
0x44	Ｄ	U+FF24	D	U+0044
0x45	Ｅ	U+FF25	E	U+0045
0x46	Ｆ	U+FF26	F	U+0046
0x47	Ｇ	U+FF27	G	U+0047
0x48	Ｈ	U+FF28	H	U+0048
0x49	Ｉ	U+FF29	I	U+0049
0x4A	Ｊ	U+FF2A	J	U+004A
0x4B	Ｋ	U+FF2B	K	U+004B
0x4C	Ｌ	U+FF2C	L	U+004C
0x4D	Ｍ	U+FF2D	M	U+004D
0x4E	Ｎ	U+FF2E	N	U+004E
0x4F	Ｏ	U+FF2F	O	U+004F
0x50	Ｐ	U+FF30	P	U+0050
0x51	Ｑ	U+FF31	Q	U+0051
0x52	Ｒ	U+FF32	R	U+0052
0x53	Ｓ	U+FF33	S	U+0053
0x54	Ｔ	U+FF34	T	U+0054
0x55	Ｕ	U+FF35	U	U+0055
0x56	Ｖ	U+FF36	V	U+0056
0x57	Ｗ	U+FF37	W	U+0057
0x58	Ｘ	U+FF38	X	U+0058
0x59	Ｙ	U+FF39	Y	U+0059
0x5A	Ｚ	U+FF3A	Z	U+005A
0x5B	［	U+FF3B	[	U+005B
0x5C	＼	U+FF3C	\	U+005C
0x5D	］	U+FF3D	]	U+005D
0x5E	＾	U+FF3E	^	U+005E
0x5F	＿	U+FF3F	_	U+005F
0x60	｀	U+FF40	`	U+0060
0x61	ａ	U+FF41	a	U+0061
0x62	ｂ	U+FF42	b	U+0062
0x63	ｃ	U+FF43	c	U+0063
0x64	ｄ	U+FF44	d	U+0064
0x65	ｅ	U+FF45	e	U+0065
0x66	ｆ	U+FF46	f	U+0066
0x67	ｇ	U+FF47	g	U+0067
0x68	ｈ	U+FF48	h	U+0068
0x69	ｉ	U+FF49	i	U+0069
0x6A	ｊ	U+FF4A	j	U+006A
0x6B	ｋ	U+FF4B	k	U+006B
0x6C	ｌ	U+FF4C	l	U+006C
0x6D	ｍ	U+FF4D	m	U+006D
0x6E	ｎ	U+FF4E	n	U+006E
0x6F	ｏ	U+FF4F	o	U+006F
0x70	ｐ	U+FF50	p	U+0070
0x71	ｑ	U+FF51	q	U+0071
0x72	ｒ	U+FF52	r	U+0072
0x73	ｓ	U+FF53	s	U+0073
0x74	ｔ	U+FF54	t	U+0074
0x75	ｕ	U+FF55	u	U+0075
0x76	ｖ	U+FF56	v	U+0076
0x77	ｗ	U+FF57	w	U+0077
0x78	ｘ	U+FF58	x	U+0078
0x79	ｙ	U+FF59	y	U+0079
0x7A	ｚ	U+FF5A	z	U+007A
0x7B	｛	U+FF5B	{	U+007B
0x7C	｜	U+FF5C	|	U+007C
0x7D	｝	U+FF5D	}	U+007D
0x7E	～	U+FF5E	~	U+007E

2. 其它特殊字符的全角和半角

半角字符	Unicode	全角字符	Unicode
⦅	U+2985	｟	U+FF5F
⦆	U+2986	｠	U+FF60
¢	U+00A2	￠	U+FFE0
£	U+00A3	￡	U+FFE1
¬	U+00AC	￢	U+FFE2
¯	U+00AF	￣	U+FFE3
¦	U+00A6	￤	U+FFE4
¥	U+00A5	￥	U+FFE5
₩	U+20A9	￦	U+FFE6
￨	U+FFE8	│	U+2502
￩	U+FFE9	←	U+2190
￪	U+FFEA	↑	U+2191
￫	U+FFEB	→	U+2192
￬	U+FFEC	↓	U+2193
￭	U+FFED	■	U+25A0
￮	U+FFEE	○	U+25CB

参考

[1]. https://zh.wikipedia.org/wiki/%E5%85%A8%E5%BD%A2%E5%92%8C%E5%8D%8A%E5%BD%A2
[2]. http://www.voidcn.com/article/p-njiniuhl-nu.html