用python检测unicode专用区域字符

在Python3中识别unicode专用字符的正确方法是什么？模块

unicodedata

中没有明显的相关性，这使得查找字符名和属性变得很容易

---

一些背景：

unicodedata.name（）

，它给出了unicode字符的名称，如果使用私用字符调用，将引发

ValueError

（例如，try

unicodedata.name（“\uf026”）

）。但空格字符（空格本身除外）和其他可能的东西也会触发异常。那么，检测PUA字符的非黑客可靠方法是什么呢？

私用字符都在

Co

中，由

unicodedata

中的

category（）

返回：

>>> import unicodedata
>>> def is_pua(c):
...   return unicodedata.category(c) == 'Co'
...
>>> is_pua(u'\uF026')
True

考虑到Unicode标准，即专用字符集永远不会更改（不会添加或删除任何字符），硬编码也很安全：

• U+E000

  至

  U+F8FF

• U+F0000

  至

  U+FFFFD

• U+100000

  至

  U+10FFFD

---

有道理。但是真的没有一个库方法已经完成了这个简单的计算？（例如，以字符类的形式）我忘了它们也在同一个

category（）

，这可能更干净一些。嗯，我已经尝试了

category（）

，但是两个字母代码（

Co

对于我尝试的代码点）的含义似乎没有在

unicodedata

中记录。是否只有PUA字符具有类别

Co

？这确实是一个很好的解决方案。我自己发现了：谷歌搜索没有任何帮助，但python有一个指向数据表的指针。类别

Co

似乎仅适用于PUA代码点。（欢迎您在回答中包含这一点）。