Python: controlla se una stringa contiene caratteri cinesi?

Question

Una stringa forse questo

ipath= "./data/NCDC/上海/虹桥/9705626661750dat.txt" 

o questo

ipath = './data/NCDC/ciampino/6240476818161dat.txt' 

Come faccio a sapere la prima stringa contiene cinese?

Trovo questa risposta forse utile: Find all Chinese text in a string using Python and Regex

ma non ha funzionato:

import re 
ipath= "./data/NCDC/上海/虹桥/9705626661750dat.txt" 
re.findall(ur'[\u4e00-\u9fff]+', ipath) # => [] 

Answer 1

la stringa corrispondente dovrebbe essere unicode così

>>> import re 
>>> ipath= u"./data/NCDC/上海/虹桥/9705626661750dat.txt" 
>>> re.findall(ur'[\u4e00-\u9fff]+', ipath) 
[u'\u4e0a\u6d77', u'\u8679\u6865'] 

Answer 2

import re 
ipath= raw_input() 
print re.findall(ur'[\u4e00-\u9fff]+', ipath.decode("utf-8")) 

Uscita: ./data/NCDC/上海/虹桥/9705626661750dat.txt [u'\u4e0a\u6d77', u'\u8679\u6865']

È necessario decodificare l'input per renderlo unicode.

o

import re 
ipath= unicode(raw_input(),encoding="utf-8") 
print re.findall(ur'[\u4e00-\u9fff]+', ipath) 

Answer 3

'' è un bytestring su Python 2. Ciascuna aggiungere from __future__ import unicode_literals nella parte superiore del modulo o utilizzare letterali Unicode: u'':

>>> import re 
>>> ipath= u"./data/NCDC/上海/虹桥/9705626661750dat.txt" 
>>> re.findall(ur'[\u4e00-\u9fff]+', ipath) 
[u'\u4e0a\u6d77', u'\u8679\u6865'] 

Answer 4

Se si vuole solo sapere se c'è un carattere cinese nella stringa che non è necessario re.findall, utilizzare re.search e il fatto che gli oggetti di corrispondenza sono veri.

>>> import re 
>>> ipath= u'./data/NCDC/上海/虹桥/9705626661750dat.txt' 
>>> ipath2 = u'./data/NCDC/ciampino/6240476818161dat.txt' 
>>> for x in (ipath, ipath2): 
...  if re.search(u'[\u4e00-\u9fff]', x): 
...   print 'found chinese character in ' + x 
... 
found chinese character in ./data/NCDC/上海/虹桥/9705626661750dat.txt 

Answer 5

E per quelli di noi che non si preoccupano per re:

>>> ipath= u"./data/NCDC/上海/虹桥/9705626661750dat.txt" 
>>> for i in range(len(ipath)): 
... if ipath[i] > u'\u4e000' and ipath[i] < u'\u9fff': 
... print ipath[i] 
... 
上 
海 
虹 
桥 

Edit: per l'elenco completo dei caratteri cinesi questo SO collegamento è la pena di guardare come la gamma U + 4E00. .U + 9FFF non è completo.
What's the complete range for Chinese characters in Unicode?