Python列出英语以外语言子集中的所有unicode字符

我正在训练一个多语言文字的反向去噪自动编码器。为了创建输入、输出，我需要Python中所有可能的unicode和ascii字符的列表。我的数据确实包含诸如“ó”、“é”、“’、”和“€”等字符，以及许多其他我没有完全研究过的字符，因为数据是300000行。我知道我的数据包括俄语、意大利语、荷兰语、捷克语和英语

到目前为止，我的字典还没有找到

[c for c in string.printable] + [chr(i) for i in range(1000, 1100)] + ['’', 'ó']

---

但遗憾的是，这并没有包含我所需要的所有字母。

您可以获得一个完整的拉丁unicode字符列表，然后添加所需的每个范围

[chr（i）表示范围内的i（0x0021、0x02FF）]

您可能感兴趣的范围包括：

• 基本拉丁语（0021–007F）
• 拉丁语-1补遗（0080–00FF）
• 拉丁文扩展A（0100–017F）
• 拉丁文扩展B（0180–024F）
• 拉丁语扩展附加语（1E00–1EFF）

---

您可以获得一个完整的拉丁unicode字符列表，然后添加所需的每个范围

[chr（i）for i in range（0x0021，0x02FF）]

添加为答案，这样我就可以给出批准的答案。此外，我不明白否决票的含义，这是一个非常好的问题。“像‘o’、‘e’这样的字符和一个不在string.printable中的奇怪撇号”不是可以直接使用的标准。您需要识别所需的字符，并在这些范围内添加代码点。@usr2564301但我列出的一些字符没有在这些语言的Unicode Wikipedia中列出。同样，对一个人来说可能微不足道的东西对其他人来说也可能不微不足道。@snakecharmerb我列出了我见过的不标准的角色。我无法列出完整的子集，因为数据有300000行长。除非你希望我通过它，得到每一个非ascii字符。那么我就不需要发布这个问题了，是吗？