Python UTF-8中汉字字符的上下限是多少？

我想在python中创建一个集合，其中包含所有中文字符的

ord（）

：

对于英语，等效值为：

english = set(range(ord('a'),ord('z') + 1 ) +
              range(ord('A'),ord('Z') + 1 ))

来自Unicode标准（v6.0，第12.1节）

如表12-2所示，在Unicode标准的七个主要块中可以找到汉字

在这些街区之外，还有一些额外的设施：

Table 12-3. Small Extensions to the URO

Range     | Version | Comment
----------+---------+-------------------------------------------------
9FA6–9FB3 | 4.1     | Interoperability with HKSCS standard
9FB4–9FBB | 4.1     | Interoperability with GB 18030 standard
9FBC–9FC2 | 5.1     | Interoperability with commercial implementations
9FC3      | 5.1     | Correction of mistaken unification
9FC4–9FC6 | 5.2     | Interoperability with ARIB standard
9FC7–9FCB | 5.2     | Interoperability with HKSCS standard

要使用集合操作来构造一组有序值，可以执行以下操作：

chinese = set(range(0x4E00, 0xA000) +
              range(0x3400, 0x4DC0) +
              range(0x20000, 0x2A6E0) +
              range(0x2A700, 0x2B740) +
              range(0x2B740, 0x2B820) +
              range(0xF900, 0xFB00) +
              range(0x2F800, 0x2FA20) +
              range(0x9FA6, 0x9FCC))

但是，请注意，此集合包含75000多个字符，因此它可能不是此集合中最紧凑或最有效的数据结构

此外，如果您坚持对文字字符使用ord（），则需要使用32位unicode文字形式：

>>> ord(u'\U00002F800')
194560

---

您不希望直接在UTF-8中执行此操作，而是希望生成Unicode代码点并将其转换为UTF-8。您可以在此处找到所需内容：在整个Unicode中，汉字存在于多个不相交的集合中。有许多中文范围，但一些平台（唉，不是Python）允许您查询脚本的代码点范围。

>>> ord(u'\U00002F800')
194560