高效地列出給定Unicode類別中的所有字符

Question

通常希望列出給定Unicode類別中的所有字符。例如：

• List all Unicode whitespace，How can I get all whitespaces in UTF-8 in Python?
• Characters with the property Alphabetic

，能夠產生該列表通過遍歷所有Unicode碼點和測試所需的類別（Python 3中）：

[c for c in map(chr, range(0x110000)) if unicodedata.category(c) in ('Ll',)] 

或使用正則表達式，

re.findall(r'\s', ''.join(map(chr, range(0x110000)))) 

但是這些方法很慢。有沒有辦法查找類別中的字符列表，而無需遍歷所有的字符？

Perl的相關問題：How do I get a list of all Unicode characters that have a given property?

Answer 1

如果你需要經常這樣做，它很容易建立自己的可重複使用的地圖：

import sys 
import unicodedata 
from collections import defaultdict 

unicode_category = defaultdict(list) 
for c in map(chr, range(sys.maxunicode + 1)): 
    unicode_category[unicodedata.category(c)].append(c) 

並從那裏出來使用該地圖轉換回一系列字符給定類別：

alphabetic = unicode_category['Ll'] 

如果這是成本過於昂貴的啓動-U p時間，考慮將該結構傾倒到文件中;從JSON文件或其他快速解析到字典格式加載此映射應該不會太痛苦。

一旦你有了映射，當然在恆定時間內查找一個類別。