使用Python转换全角字符串为半角

关于全角转换为半角的问题,其实源自在公司的运营人员在输入法切换的时候选择了全角,结果导致程序有时候没有办法进行解析。
为了避免这样的问题再次出现,于是就有了将全角转换为半角的问题了。
在这里,会对以下内容进行描述:

  • 什么是全角
  • 如何将全角字符转换为半角
  • 使用python实现上述转换操作

我们知道在编码中,存储在计算机中仅仅是1个数字,而编码其实充当的是1种转换的过程,如何将1个字符转换为1个数字而问题。

全角和半角

一般情况下,普通的英文字符只占用1个字节的空间,而1个字节有8位,因此可以存储256个字符。而汉字、日语及朝鲜文字这样CJK的文字很明显不止256个,因此会使用2个字节来存储。
而在使用英文输入法时,我们将1个英文字符所占的位置称为半角。而由于1个汉字占用2个英文字符的位置,因为我们将其称为全角
需要注意的是,只有在支持汉字等语言的计算及上才存在全角和半角的概念。另外,虽然通常情况下的英文字母、数字键及符号键都是半角的,但是为了排列整齐,英文和其他拉丁文的字符和标签也可以使用全角格式。
因此,我们知道全角需要占用2个字节,而半角则占用1个字节。

全角转换为半角

在ASCII编码中,我们知道可以打印的字符只有127-33=94个。在这里,我们需要去除del键及ASCII编码表中前32位。
由于半角和全角只是占用字节个数的不同,因此全角可打印的字符也是94个。因此这2者之间是存在规律的,比如我们假设半角a字符的在计算机中存储的数字为60,而全角的a字符在计算机中存储的数字为1200。而假设a的下1个字符为b,其存储的数字为61, 那么全角的b字符存储的数字应为1201。
因此,这种一一映射的关系就查看各种规范中是如何定义的了。不同的规范定义会有所不同。
由于在Unicode规定中,半角字符是从33开始,到126结束。而Unicode中全角的编码是从65281开始到65374结束。
细心的你们会发现,这里少了1个字符,那就是空格。在半角中,空格是32,而在全角中它是12288。

python的实现转换

现在,我们使用python来实现转换的操作,我们会检查给定的字符是否为全角,只有在全角的情况下才进行转换的操作。

def FullToHalf(s):    
    n = []    
    s = s.decode("utf-8")    
    for char in s:    
        num = ord(char)    
        if num == 0x3000:    
            num = 32    
        elif 0xFF01 <= num <= 0xFF5E:    
            num -= 0xfee0    
        num = unichr(num)    
        n.append(num)    
    return ".join(n)

在这里,我们对字符串进行遍历,然后判断其字符的大小,如果给定的字符是全角则将其进行减法操作。最后将其组装在一起返回就可以了。
然后我们进行如下的测

s = "张三,是1个帅哥。"    
result = FullToHalf(s)    
print result    
print "-" * 80    
print s

其结果如下所

    
张三,是1个帅哥。    
--------------------------------------------------------------------------------    
张三,是1个帅哥。    

当然,除了以上的方式外,还有其他的方式将全角转换为半角。比如我隔壁那个搞python的哥们直接就用正则进行匹配然后批量的进行转换。
由于我比较懒和能力比较有限,只好通过上面的方式来简化我的工作量。

参考文章:

http://www.cnblogs.com/kaituorensheng/p/3554571.html

若文章对您有帮助,请打赏1块钱。您的支持,可以让我分享更多精彩的文章。转载请注明来源


知识共享许可协议
本作品采用知识共享署名-非商业性使用-相同方式共享 2.5 中国大陆许可协议进行许可。