如何区分一个单词是半角还是全角？

Posted 2023-04-14

【中文标题】如何区分一个单词是半角还是全角？

【英文标题】：How to distinguish whether a word is half-width or full-width?

【发布时间】：2012-06-09 07:27:21

【问题描述】：

最近我一直在处理混合语言的文本，包括中文、英文，甚至一些表情符号。

我一直在寻找这个问题很多，但我唯一能找到的是“用半角字符替换全角字符”而不是告诉你如何确定字符是否是半角-或全角字。

所以，我的问题是：

是否可以分辨一个单词是半角还是全角？

【问题讨论】：

通常，如果要检查文本，会将其放入兼容性分解形式，例如NFKD。如果这样做，全角拉丁字符变为正常（半角），半角假名/韩文字符变为正常（全角），从而更容易分析文本。你可以在 python 中使用import unicodedata; unicodedata.normalize('NKFD', text)。

这是 NFKD，不是 NKFD。

【参考方案1】：

在 unicode 6.1 中，有 Halfwidth and Fullwidth forms、pdf here 块。

在此块内，\uFF01-\uFF60 和 \uFFE0-\uFFE6 是全角，而 \uFF61-\uFFDC 和 \uFFE8-\uFFEE 是半角。

【讨论】：

\u00F01-\uFF60错了，应该是\uFF01-\uFF60

@Lelouchcr 已修复！感谢您在回答后 3 年的更正！

这并不是一个完整的答案。半角和全角形式之外的字符可以是半角或全角，因此仅使用该块图作为参考会使绝大多数 Unicode 未定义。

@LaurenceGonsalves 没有定义字符宽度的标准；这种现有的宽度指定（半/全）仅在某些情况下才有意义。另请参阅 this answer 关于 wcwidth，它将全宽指定为 2 列，而每隔一个普通字符指定为 1 列宽。

【参考方案2】：

我认为这是一个很难回答的问题，除非您对什么是半角字符和什么是全角字符有明确的标准。如果您可以决定，那么您可以根据 Unicode（或任何编码方案）中的某些范围测试单词中的字符。

Unicode 块Halfwidth and Fullwidth Forms 仅向您显示哪些字符具有替代形式。对于此块中没有的任何内容，您必须确定您认为的半角和全角。

我想大多数西方字符是半角，大多数东方字符是全角，但两者都会有例外。正如this Unicode report 所强调的那样，也存在歧义。

This proposal 包括code，它似乎将字符分为全半角和模棱两可的宽度。您可以使用这些代码点作为起点。

【参考方案3】：

如果一个单词的字符是全角的，那么它就是全角的。您需要查看 unicode 规范并查看哪些字符范围是全角的，然后检查每个字符。