如何打印输入字符串的 Unicode 字形名称？

Question

我希望能够跑步

unicode-names 'abç'

并查看相应的 Unicode 字符名称：

LATIN SMALL LETTER A
LATIN SMALL LETTER B
LATIN SMALL LETTER C WITH CEDILLA

在以下几种情况下，将字符串打印为一系列 Unicode 字形名称会很有用：

• 区分容易混淆的字符，例如“i”和“í”。
• 解释文字字符串实际包含的内容（例如不可打印或未分配的零宽度字符）。

Answer 1

该uniutils包具有程序uniname。

$ echo -n …—|uniname
character  byte       UTF-32   encoded as     glyph   name
    0          0  002026   E2 80 A6       …      HORIZONTAL ELLIPSIS
    1          3  002014   E2 80 94       —      EM DASH

Answer 2

我不知道从 中检查这个的好方法bash，但是 Python 有一个内置的 Unicode 数据库，您可以像这样在脚本中使用它：

#!/usr/bin/env python
import sys, unicodedata
for ch in sys.stdin.read().decode('utf-8'):
  try:
    print unicodedata.name(ch)
  except ValueError:
    print 'codepoint ', ord(ch)

你可以像这样使用这个脚本（假设你调用了它unicode-names）：

$ echo 'abc©á????' | unicode-names
LATIN SMALL LETTER A
LATIN SMALL LETTER B
LATIN SMALL LETTER C
COPYRIGHT SIGN
LATIN SMALL LETTER A WITH ACUTE
GREEK SMALL LETTER OMICRON
GREEK SMALL LETTER PI
GREEK SMALL LETTER RHO
GREEK SMALL LETTER SIGMA
codepoint 10

数据库会ValueError针对它不知道的任何字符抛出异常，因此我们以十进制打印它们的代码点（通常这些是不可打印的字符）。

警告：脚本假定您的终端是 UTF-8 编码的。如果不是，您应该更改decode()方法的参数。Python 支持非常广泛的编码选择，你肯定会在那里。