Come controllare in Python se una stringa contiene caratteri solo una pagina del codice specifico?

Question

So che Python usa esclusivamente UTF8 per la codifica delle stringhe, ma cosa succede se ho bisogno di inviare dati all'applicazione più vecchia che non è unCode e supporta solo questi caratteri inclusi nella pagina di codice di Windows come Windows-1251 (crylic) ecc. Quindi qui voglio rilevare se la stringa UTF-8 contiene qualsiasi carattere che non potrebbe essere rappresentato dalla pagina del codice fornita.

Answer 1

C'è Lib per il rilevamento della codifica: https://pypi.python.org/pypi/chardet (Codifica dei caratteri Auto-rilevamento in Python. Intelligente come il tuo browser. Open source)

Rileva ...

• ASCII, UTF-8, UTF-16 (2 varianti), UTF-32 (4 varianti)
• BIG5, GB2312, EUC-TW, HZ-GB-2312, ISO-2022-CN (cinese tradizionale e semplificato)
• EUC-JP, Shift_Jis, ISO-2022-JP (giapponese)
• EUC-KR, ISO-2022-KR (coreano)
• Koi8-R, Maccyrillic, IBM855, IBM866, ISO-8859-5, Windows-1251 (Cirillico)
• ISO-8859-2, Windows-1250 (ungherese)
• ISO-8859-5, Windows-1251 (bulgaro)
• Windows-1252 (inglese)
• ISO-8859-7, Windows-1253 (greco)
• ISO-8859-8, Windows-1255 (ebraico visivo e logico)
• TIS-620 (thai)

Esempio di documenti:

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

Answer 2

Dove blah è la tua stringa e ascii è la tua codifica:

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