czcaiwj / chinese

中文识别包

检测字符串中是否包含中文字符

概述

Unicode 是全球文字统一编码。它把世界上的各种文字的每一个字符指定唯一编码，实现跨语种、跨平台的应用。

中文用户最常接触的是汉字 Unicode 编码。中文字符数量巨大，日常使用的汉字数量有数千个，再加上生僻字，数量达到数万个。下面这个表格将中文字符集的 Unicode 编码范围列出：

字符集	字数	Unicode编码范围
基本汉字	20902	4E00-9FA5
基本汉字补充	74	9FA6-9FEF
扩展A	6582	3400-4DB5
扩展B	42711	20000-2A6D6
扩展C	4149	2A700-2B734
扩展D	222	2B740-2B81D
扩展E	5762	2B820-2CEA1
扩展F	7473	2CEB0-2EBE0
扩展G	4939	30000-3134A
康熙部首	214	2F00-2FD5
部首扩展	115	2E80-2EF3
兼容汉字	477	F900-FAD9
兼容扩展	542	2F800-2FA1D
PUA(GBK)部件	81	E815-E86F
部件扩展	452	E400-E5E8
PUA增补	207	E600-E6CF
汉字笔画	36	31C0-31E3
汉字结构	12	2FF0-2FFB
汉语注音	43	3105-312F
注音扩展	22	31A0-31BA
〇	1	3007

根据上述字符范围，可以使用本工具来识别给定字符串是否含义中文字符。

安装方法

pip install nihao

使用方法

import nihao
a = '这里包含了中文abcded'
b = 'there is no chinese here'

def test_chinese1():
    result = nihao.containChinese(a)
    expected = True
    assert result == expected

def test_chinese2():
    result = nihao.containChinese(b)
    expected = False
    assert result == expected