Python全角与半角之间相互转换的方法总结

时间：2022-12-10 12:09:33|栏目：Python代码|点击：次

1.应用领域：

全角和半角的转换通常用在自然语言处理过程中，由于全角和半角的不一致会导致信息抽取不一致，在使用语料训练语言模型会导致模型的效果不准确，所以需要统一。

2.全角半角转换概述

全角字符unicode编码范围从65281~65374 （对应的十六进制范围是: 0xFF01 ~ 0xFF5E）
半角字符unicode编码范围从33~126 （对应的十六进制范围从 0x21~ 0x7E）
空格比较特殊,全角为12288（0x3000）,半角为 32 （0x20）
除空格外，全角/半角按unicode编码排序在顺序上是对应的（半角 +65248 = 全角 or 半角 + 0x7e= 全角）
所以可以直接通过用±法来处理非空格数据,对空格单独处理

3.请注意：

中文文字永远是全角，只有英文字母、数字键、符号键才有全角半角的概念。

一个字母或数字占一个汉字的位置叫全角，占半个汉字的位置叫半角。

引号在中英文、全半角情况下是不同的

4.应用到的库函数

chr()函数用一个范围在range（256）内的（就是0～255）整数作参数，返回一个对应的字符。
unichr()跟它一样，只不过返回的是Unicode字符。
ord()函数是chr()函数（对于8位的ASCII字符串）或unichr()函数（对于Unicode对象）的配对函数，它以一个字符（长度为1的字符串）作为参数，返回对应的ASCII数值，或者Unicode数值。

示例：

5.全角转半角：

def strQ2B(ustring):
    rstring = ""
    for uchar in ustring:
        inside_code = ord(uchar)
        if inside_code == 12288:                            # 全角空格直接转换
            inside_code = 32
        elif 65281 <= inside_code <= 65374:   				# 全角字符（除空格）根据关系转化
            inside_code -= 65248
        rstring += chr(inside_code)
    return rstring

str11 = strQ2B("电影《２０１２》讲述了２０１２年１２月２１日的世界末日，主人公Ｊａｃｋ以及世界各国人民挣扎求生的经历！")
print(str11)

运行结果：

电影《2012》讲述了2012年12月21日的世界末日,主人公Jack以及世界各国人民挣扎求生的经历!

6.半角转成全角：

def strB2Q(ustring):
    """半角转全角"""
    rstring = ""
    for uchar in ustring:
        inside_code = ord(uchar)
        if inside_code == 32:                 # 半角空格直接转化
            inside_code = 12288
        elif 32 <= inside_code <= 126:        # 半角字符（除空格）根据关系转化
            inside_code += 65248
        rstring += chr(inside_code)
    return rstring

str22 = strB2Q("电影《2012》讲述了2012年12月21日的世界末日,主人公Jack以及世界各国人民挣扎求生的经历!")
print(str22)

运行结果：

电影《２０１２》讲述了２０１２年１２月２１日的世界末日，主人公Ｊａｃｋ以及世界各国人民挣扎求生的经历！

附：如何通过python转换全角字符串为半角字符串实例

# coding:utf-8
from idna import unichr
def all_to_half(all_string):
    """全角转半角"""
    half_string = ""
    for char in all_string:
        inside_code = ord(char)
        if inside_code == 12288:  # 全角空格直接转换,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）根据关系转化,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