Python全角與半角之間相互轉換的方法總結

更新時間：2022年03月29日 15:45:38 作者：埃菲爾沒有塔尖

全角與半角轉換在處理漢語語料中會經常出現,這里分別說明漢字、數字、字母的unicode編碼范圍,下面這篇文章主要給大家介紹了關于Python全角與半角之間相互轉換的相關資料,需要的朋友可以參考下

1.應用領域：

全角和半角的轉換通常用在自然語言處理過程中，由于全角和半角的不一致會導致信息抽取不一致，在使用語料訓練語言模型會導致模型的效果不準確，所以需要統一。

2.全角半角轉換概述

全角字符unicode編碼范圍從65281~65374 （對應的十六進制范圍是: 0xFF01 ~ 0xFF5E）
半角字符unicode編碼范圍從33~126 （對應的十六進制范圍從 0x21~ 0x7E）
空格比較特殊,全角為12288（0x3000）,半角為 32 （0x20）
除空格外，全角/半角按unicode編碼排序在順序上是對應的（半角 +65248 = 全角 or 半角 + 0x7e= 全角）
所以可以直接通過用±法來處理非空格數據,對空格單獨處理

3.請注意：

中文文字永遠是全角，只有英文字母、數字鍵、符號鍵才有全角半角的概念。

一個字母或數字占一個漢字的位置叫全角，占半個漢字的位置叫半角。

引號在中英文、全半角情況下是不同的

4.應用到的庫函數

chr()函數用一個范圍在range（256）內的（就是0～255）整數作參數，返回一個對應的字符。
unichr()跟它一樣，只不過返回的是Unicode字符。
ord()函數是chr()函數（對于8位的ASCII字符串）或unichr()函數（對于Unicode對象）的配對函數，它以一個字符（長度為1的字符串）作為參數，返回對應的ASCII數值，或者Unicode數值。

示例：

5.全角轉半角：

def strQ2B(ustring):
    rstring = ""
    for uchar in ustring:
        inside_code = ord(uchar)
        if inside_code == 12288:                            # 全角空格直接轉換
            inside_code = 32
        elif 65281 <= inside_code <= 65374:   				# 全角字符（除空格）根據關系轉化
            inside_code -= 65248
        rstring += chr(inside_code)
    return rstring

str11 = strQ2B("電影《２０１２》講述了２０１２年１２月２１日的世界末日，主人公Ｊａｃｋ以及世界各國人民掙扎求生的經歷！")
print(str11)

運行結果：

電影《2012》講述了2012年12月21日的世界末日,主人公Jack以及世界各國人民掙扎求生的經歷!

6.半角轉成全角：

def strB2Q(ustring):
    """半角轉全角"""
    rstring = ""
    for uchar in ustring:
        inside_code = ord(uchar)
        if inside_code == 32:                 # 半角空格直接轉化
            inside_code = 12288
        elif 32 <= inside_code <= 126:        # 半角字符（除空格）根據關系轉化
            inside_code += 65248
        rstring += chr(inside_code)
    return rstring

str22 = strB2Q("電影《2012》講述了2012年12月21日的世界末日,主人公Jack以及世界各國人民掙扎求生的經歷!")
print(str22)

運行結果：

電影《２０１２》講述了２０１２年１２月２１日的世界末日，主人公Ｊａｃｋ以及世界各國人民掙扎求生的經歷！

附：如何通過python轉換全角字符串為半角字符串實例

# coding:utf-8
from idna import unichr
def all_to_half(all_string):
    """全角轉半角"""
    half_string = ""
    for char in all_string:
        inside_code = ord(char)
        if inside_code == 12288:  # 全角空格直接轉換,全角和半角的空格的Unicode值相差12256
            inside_code = 32
        elif (inside_code >= 65281 and inside_code <= 65374):  # 全角字符（除空格）根據關系轉化,除空格外的全角和半角的Unicode值相差65248
            inside_code -= 65248

        half_string += unichr(inside_code)
    return half_string