检测单词中的重音（Python）

这里是交易：我写了一个程序，可以在字典中找到所有的算法类。但是，我在处理重音字符时遇到了一个问题。目前，我的代码将它们读入，将它们视为不可见，但最后仍以“\xc3\？”的形式打印出某种替换代码。我想丢弃所有带有口音的单词，但我不知道如何检测它们

我尝试过的事情：

• 检查类型是否为unicode
• 使用正则表达式检查包含“\xc3”的单词
• 解码/编码（我不完全理解unicode，但无论我尝试了什么都没用）

问题/问题：我需要找出如何检测重音，但我的程序将重音作为奇怪的“\xc3\？”字符打印到命令行上，这不是程序处理它们的方式，因为我无法找到任何包含“\xc3\？”的单词，尽管这些字符被打印到命令行上

示例：sé->s\xc3\xa9以及sé和s被我的程序视为字谜

测试字典：

stop
tops
pots
hello
world
pit
tip
\xc3\xa9
sé
s
se

代码输出：

Found
\xc3\xa9
['pit', 'tip']
['world']
['s\xc3\xa9', 's']
['\\xc3\\xa9']
['stop', 'tops', 'pots']
['se']
['hello']

程序本身：

import re

anadict = {};

for line in open('fakedic.txt'):#/usr/share/dict/words'):
        word = line.strip().lower().replace("'", "")
        line = ''.join(sorted(ch for ch in word if word if ch.isalnum($
        if isinstance(word, unicode):
                print word
                print "UNICODE!"
        pattern = re.compile(r'xc3')
        if pattern.findall(word):
               print 'Found'
               print word
        if anadict.has_key(line):
                if not (word in anadict[line]):
                        anadict[line].append(word)
        else:
                anadict[line] = [word]

for key in anadict:
        if (len(anadict[key]) >= 1):
                print anadict[key]

---

帮助？

所以我的答案基本上是空白的。。。看看这里：

要点是，您可以检查每个字符，查看字符的

ord

是否小于128，这允许您检查它是否是重音字符。或者，您可以进行大量的尝试和捕捉，查找在重音字符处理过程中会抛出的unicode错误。（后者似乎更有效）

---

这对我来说无疑也是一次学习经历：）很抱歉花了这么长时间

我最终使用了正则表达式（基本上是为了检查所有不是字母字符的东西）：

---

这有助于我去掉任何带有\或任何其他数字或时髦符号的单词。虽然这不是一个完美的解决方案，但它确实起了作用。

虽然它确实允许“打印”sé（显式）起作用，但不幸的是，它没有解决我提到的问题。我的程序仍然是sé->s\xc3\xa9，s\xc3\xa9和s是字谜；我将研究一下，你的程序仍然“思考sé->s\xc3\xa9”是什么意思？当它在字典中输入单词sé时，它会返回s\xc3\xa9作为一个字谜列表中的输出单词。S显然是S\xc3\xa9的一个字谜，而S\xc3\xa9最初是作为单词Sé输入的，但程序将其翻译得很奇怪。我已经更新了我的答案，希望它能引导您完成代码。我建议您阅读以下内容：

if re.match('^[a-zA-Z_]+$', word):