处理字符串时的 str.isdigit() 行为

Question

假设如下：

\n

>>> square = '\xc2\xb2'      # Superscript Two (Unicode U+00B2)\n>>> cube  = '\xc2\xb3'       # Superscript Three (Unicode U+00B3)\n

\n

奇怪的是：

\n

>>> square.isdigit()\nTrue\n>>> cube.isdigit()\nTrue\n

\n

好的，让我们将这些“数字”转换为整数：

\n

>>> int(square)\nTraceback (most recent call last):\n  File "<stdin>", line 1, in <module>\nValueError: invalid literal for int() with base 10: '\xc2\xb2'\n>>> int(cube)\nTraceback (most recent call last):\n  File "<stdin>", line 1, in <module>\nValueError: invalid literal for int() with base 10: '\xc2\xb3'\n

\n

哎呀！

\n

有人可以解释一下我应该期待什么行为吗str.isdigit()在处理字符串时我应该从该方法中得到什么行为吗？

\n

Answer 1

str.isdigit并不声称与可解析性相关int。它报告一个简单的 Unicode 属性，是十进制字符还是某种数字：

str.isdigit()

True如果字符串中所有字符都是数字并且至少有一个字符，则返回，否则返回False。数字包括十进制字符和需要特殊处理的数字，例如兼容性上标数字。这涵盖了不能用来构成以 10 为基数的数字的数字，例如 Kharosthi 数字。形式上，数字是具有属性值 Numeric_Type=Digit 或 Numeric_Type=Decimal 的字符。

简而言之，str.isdigit对于检测有效数字完全没有用。检查给定字符串是否是合法整数的正确解决方案是调用int它，并捕获ValueError它是否不是合法整数。您所做的任何其他事情都将（糟糕地）重新发明实际解析代码执行的相同测试int()，那么为什么不首先让它完成这项工作呢？

旁注：您错误地使用了术语“utf-8”。UTF-8 是一种特定的 Unicode 编码方式，仅适用于原始二进制数据。Pythonstr是一种“理想化”的 Unicode 文本类型；它没有编码（在底层，它存储编码为 ASCII、latin-1、UCS-2、UCS-4 和可能还有 UTF-8 之一，但除了间接测量之外，这些在 Python 层中都不可见就像sys.getsizeof，它只是通过让您查看字符串消耗了多少内存来暗示底层编码）。您所讨论的字符是 ASCII 范围以上的简单 Unicode 字符，它们并不是专门的 UTF-8。