Nostr Web Client

息怒，要是你以前的名『燕过留声』，那就有了。

nostr:npub1ccjq3jwtlhwv358r0g6xglxhc5zg9f9sex63xxl62ut6fl5efu4sysmr09 是按用户名，ID以及或者其它个人档案资料中是否包含汉字来判断收录的。因日文中有个别汉字，因此不少日本用户都包含进来了，建议可以再加一条保含中文且不含日文的才收录。

因你用@YGLS 且个人资料中无中文汉字，故没被其程序收录。

nostr:nevent1qqst7d7c3qpljpcc996huzys0pqdrx4g7sw5922wuvg0w58npc845fspr3mhxue69uhh2mnfwejhyum99ehx7um5wf5kx6pwd3skueqzyrd3rveqp8v3fhtkhkgyhznrvcnarkgy8u4yl8k27640shg9chm67qcyqqqqqqg9vg7ac

阿白 2y ago

You

定义一个函数，检查字符串中是否包含中文字符

def contains_chinese(s): for ch in s: if u’\u4e00’ <= ch <= u’\u9fff’: return True return False 这个判断中文的函数有缺陷，会把日文字符判断为中文，如何优化

要优化这个函数以排除日文字符，您可以使用unicodedata库来区分中文和日文字符。这是一个修改过的函数：

import unicodedata

def contains_chinese(s):

for ch in s:

if u’\u4e00’ <= ch <= u’\u9fff’ and ‘CJK UNIFIED IDEOGRAPH’ in unicodedata.name(ch):

return True

return False

这个函数仍然会检查字符是否在中文字符范围内，但它还会使用unicodedata.name()来确保字符是中文字符（即名称包含“CJK UNIFIED IDEOGRAPH”）。这样，如果字符是日文字符，它就不会被误判为中文字符。

我先按这个算法用已经筛出的id（1200+）测试一下

Reply to this note

Please Login to reply.

Discussion

阿白 2y ago

中文检测算法优化

为了实现这个需求，我们可以在contains_chinese()函数中添加一个条件来检查字符串是否包含日文片假名。这里是一个修改后的版本：

import unicodedata

def contains_chinese(s):

has_chinese = False

for ch in s:

if u’\u4e00’ <= ch <= u’\u9fff’ and ‘CJK UNIFIED IDEOGRAPH’ in unicodedata.name(ch):

has_chinese = True

if u’\u30A0’ <= ch <= u’\u30FF’ or u’\uFF65’ <= ch <= u’\uFF9F’: # 检查日文片假名

return False

return has_chinese

#测试算法

text = “鉄道ファン/鉄道路線擬人化一次創作 #HighSpeedMetropoliStars / #riramemo #riramemotrip / 談論風発”

print(contains_chinese(text)) # 输出 False

这个修改后的函数首先检查字符串中是否有中文字符，并用变量has_chinese来记录。接着，它会检查字符串中是否有日文片假名。如果发现日文片假名，函数将立即返回False。最后，如果没有日文片假名且存在中文字符，则返回True。