处理字符串时的str.isdigit（）行为

Question

假设如下：

>>> square = '²'      # Superscript Two (Unicode U+00B2)
>>> cube  = '³'       # Superscript Three (Unicode U+00B3)

>>> square.isdigit()
True
>>> cube.isdigit()
True

>>> int(square)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
ValueError: invalid literal for int() with base 10: '²'
>>> int(cube)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
ValueError: invalid literal for int() with base 10: '³'

哦哦！

有人能解释一下str.isdigit()方法在处理字符串时应该有什么行为吗？

Answer 1

str.isDigit并不作为int声称与可解析性相关。它报告一个简单的Unicode属性，是十进制字符还是某种数字：

str.isdigit()

如果字符串中的所有字符都是数字且至少有一个字符，则返回true，否则返回false。数字包括十进制字符和需要特殊处理的数字，如兼容性上标数字。这涵盖了不能用来构成以10为基数的数字的数字，如Kharosthi数字。在形式上，数字是具有属性值numeric_type=digit或numeric_type=decimal的字符。

简而言之，str.isdigit对于检测有效数字完全无用。检查给定字符串是否为合法整数的正确解决方案是对其调用int，如果它不是合法整数，则捕获valueError。您所做的其他任何事情都将（糟糕地）重新创建与int()中实际解析代码执行的相同的测试，所以为什么不首先让它来完成这项工作呢？

附带说明：您错误地使用了术语“UTF-8”。UTF-8是Unicode的一种特定编码方式，仅适用于原始二进制数据。Python的str是一种“理想化”的Unicode文本类型；它没有编码（隐藏在下面，它被编码为ASCII、latin-1、UCS-2、UCS-4，可能还有UTF-8之一，但在Python层中，除了sys.getsizeof这样的间接度量之外，这些都不可见，后者只通过让您看到字符串消耗了多少内存来提示底层编码）。您所讨论的字符是ASCII范围以上的简单Unicode字符，它们不是特别的UTF-8字符。