与汉字处理有关的Python实用例程

59519751

　　1. 判断字符串中是否含有汉字。


def has_hz(text):
hz_yes = False
for ch in text:
if isinstance(ch, unicode):
if unicodedata.east_asian_width(ch)!= 'Na':
hz_yes = True
break
else:
continue   
return hz_yes
　　单元测试：

        assert not has_hz("")
assert not has_hz("  ")
assert not has_hz("123")
assert not has_hz(u"123abc")
assert has_hz(u"123abc汉字")
assert has_hz(u"汉字")
　　2.隔指定长度插入一个换行符（\n），一个汉字算2个字符长。


def get_hz_string_width(text):
"""
获取可能包含汉字的字符串的长度（1个汉字算2个字符长）
"""
s = 0
for ch in text:
if isinstance(ch, unicode):
if unicodedata.east_asian_width(ch)!= 'Na':
s += 2
else:
s += 1
else:
s += 1
return s
def get_hz_sub_string(text,startat,sub_len=None):
"""
获取可能包含汉字的字符串的子串（计算长度时，1个汉字算2个字符长）
用法：
get_hz_sub_string(record,0,44)  #取子串，位置为0至43
get_hz_sub_string(record,44)    #取子串，位置为44至末尾
"""
s = []
pos = 0
for ch in text:
if pos >= startat:
s.append(ch)
if isinstance(ch, unicode):
if unicodedata.east_asian_width(ch)!= 'Na':
pos += 2
else:
pos += 1
else:
pos += 1
if sub_len!=None and get_hz_string_width(''.join(s))>=sub_len:
break   
return ''.join(s)
def insert_line_feed(my_str,interval,line_feed="\n"):
"""隔指定长度插入一个\n符号(一个汉字处理为2个字符长度）"""
if len(my_str)==0:
return ""
n = int((get_hz_string_width(my_str)-1)/interval)+1
str_list = []
k = 1
pos_start = 0
while k <= n:
sub_str = get_hz_sub_string(my_str,pos_start,interval)
str_list.append(sub_str)
k = k + 1
pos_start = pos_start + get_hz_string_width(sub_str)
return line_feed.join(str_list)   

　　单元测试：

        assert insert_line_feed("",1)==""
assert insert_line_feed("1",1)=="1"
assert insert_line_feed("1234567890",5)=="12345\n67890"
assert insert_line_feed(u"汉字1汉字234567890",5)==u"汉字1\n汉字2\n34567\n890"
assert insert_line_feed(u"汉字1汉字234567890",4)==u"汉字\n1汉字\n2345\n6789\n0"

　　3. 按指定长度为文字块分行(类似Word效果）,并取消末尾的空行。


def wrap_text_block(text,line_length,do_trim=True):
if do_trim:
str_list = split(text.rstrip(),'\n')
else:   
str_list = split(text,'\n')
#检测末尾空行的开始位置
text_to_line = -1
if do_trim:
i = len(str_list)-1
while i > 0:
line_str = str_list
if len(line_str.strip())==0:
text_to_line = i
i -= 1
else:
break     
new_str_list = []
i = 0
for obj in str_list:
if do_trim and i == text_to_line:
break
new_str_list += split(insert_line_feed(obj,line_length),'\n')
i += 1
#不加 u'' 就出错“'unicode' object is not callable”！？
return u''+'\n'.join(new_str_list)   

 　　单元测试：

        assert wrap_text_block("",1)==""
assert wrap_text_block("",1,do_trim=False)==""
assert wrap_text_block(u"文字1234",2)==u"文\n字\n12\n34"
assert wrap_text_block(u"文字12345    ",2)==u"文\n字\n12\n34\n5"
assert wrap_text_block(u"文字1\n234",2)==u"文\n字\n1\n23\n4"
assert wrap_text_block(u"文字1\n2345    ",2)==u"文\n字\n1\n23\n45"