Comment vérifier Python si une chaîne contient des caractères uniquement de la page de code spécifique?

Question

Je sais que Python utilise uniquement UTF8 pour le codage des chaînes, mais que se passe-t-il si j'ai besoin d'envoyer des données à une application plus ancienne qui n'est pas Unicode et ne prend en charge que ces caractères inclus dans la page de code Windows comme Windows-1251 (cyrylique) etc. . Alors ici, je veux détecter si la chaîne UTF-8 contient un caractère qui ne pourrait pas représenter par la page de code donnée.

Answer 1

Il y a une lib pour la détection de codage: https://pypi.python.org/pypi/chardet (Codage de caractère automatique dans Python. Aussi intelligent que votre navigateur. Open source)

Détecte ...

• ASCII, UTF-8, UTF-16 (2 variantes), UTF-32 (4 variantes)
• BIG5, GB2312, EUC-TW, HZ-GB-2312, ISO-2022-CN (chinois traditionnel et simplifié)
• EUC-JP, Shift_Jis, ISO-2022-JP (Japonais)
• EUC-KR, ISO-2022-KR (coréen)
• KOI8-R, MACCYRILLIC, IBM855, IBM866, ISO-8859-5, Windows-1251 (Cyrillic)
• ISO-8859-2, Windows-1250 (hongrois)
• ISO-8859-5, Windows-1251 (bulgare)
• Windows-1252 (anglais)
• ISO-8859-7, Windows-1253 (grec)
• ISO-8859-8, Windows-1255 (Hébreu visuel et logique)
• TIS-620 (thaï)

Exemple de Docs:

>>> import urllib
>>> rawdata = urllib.urlopen('http://yahoo.co.jp/').read()
>>> import chardet
>>> chardet.detect(rawdata)
{'encoding': 'EUC-JP', 'confidence': 0.99}

Answer 2

Où blah est votre chaîne et ascii est votre encodage:

blah = u'\uffff'
try:
    blah.encode('ascii')
except UnicodeEncodeError:
    # nope - can't do it...