简介

python在执行代码过程是不知道这个字符是什么意思的、是否是中文，而是把所有代码翻译成二进制也就是000111这种形式，机器可以看懂的语言。　　也就是在计算机中所有的字符都是有数字来表示的。汉字也是有数字表示的，Unicdoe4E00~9FFF表示中文，所以如果一个字符的utf-8编码在这个区间内，就说明它是中文。

中文编码对应表

实践

1. 判断utf-8 代码如下：

def is_Chinese(word):
    for ch in word:
        if '\u4e00' <= ch <= '\u9fff':
            return True
    return False

2. 测试用例：

#-*- coding:utf-8 -*-
 
import sys
reload(sys)
sys.setdefaultencoding('utf8')
 
def check_contain_chinese(check_str):
    for ch in check_str.decode('utf-8'):
        if u'\u4e00' <= ch <= u'\u9fff':
            return True
    return False
 
if __name__ == "__main__":
    print check_contain_chinese('中国')
    print check_contain_chinese('xxx')
    print check_contain_chinese('xx中国')

结果：
True
False
True

3. 判断字符包含中文：

 def is_not_en_word(self, word:str):
     '''
     判断一个词是否是非英文词,只要包含一个中文，就认为是非英文词汇
     :param word:
     :return:
     '''
     count = 0
     for s in word.encode('utf-8').decode('utf-8'):
         if u'\u4e00' <= s <= u'\u9fff':
             count += 1
             break
     if count > 0:
         return True
     else:
         return False

 def is_en_mail(self, mail_text:str):
     '''
     判断一个词是否是非英文词,只要包含一个中文，就认为是非英文词汇
     :param word:
     :return:
     '''
     tmp_text = ''.join(mail_text.split())
     count = 0
     print('tmp_text:', tmp_text)
     for s in tmp_text.encode('utf-8').decode('utf-8'):
         if u'\u4e00' <= s <= u'\u9fff':
             count += 1
     if float(count/(tmp_text.__len__())) > 0.1:
         return False
     else:
         return True

小结

参考： https://blog.csdn.net/QFire/article/details/82753726
https://blog.csdn.net/lanSeFangZhou/article/details/124163110