6

python2 における unicode に関して質問です。
u'-' と u'\u2013' の違いは何でしょうか。(2013 は - のコードポイントだと思います)

print u'-'      #=> -
print u'\u2013' #=> -
u'-' == u'\u2013' #=> False
4
  • 2
    Unicodeには横棒がたくさんあって見た目で区別がつきません。見た目同じに見えるのに一致しない場合は文字コードを確認しましょう。参考:Unicodeにあるハイフン/マイナス/長音符/波線/チルダのコレクション | hydroculのメモ
    – alpha
    Commented 2016年9月9日 15:41
  • unicode に横棒がたくさんあるのを知りませんでした。リンクありがとうございます。
    – perrier
    Commented 2016年9月9日 15:59
  • "%x" % ord(u"-") あるいは、"{0:x}".format(ord(u"-")) で文字コードを16進で確認出来ます。参考まで。
    – mjy
    Commented 2016年9月9日 16:21
  • ありがとうございます。 unicodeオブジェクト -> 10進 -> 16進 の変換ですね。フォーマット指定子と同じことですが hex(ord(u"-")) #=> '0x2d' も確認できました。
    – perrier
    Commented 2016年9月10日 2:25

2 件の回答 2

11

utf-8 にエンコードしてみると別の文字であることが分かります。

>>> u'-'.encode('utf-8')
b'-'
>>> u'\u2013'.encode('utf-8')
b'\xe2\x80\x93'

また、Unicodeとしてどんな文字なのかを知る方法があります。

>>> import unicodedata
>>> unicodedata.name(u'-')
'HYPHEN-MINUS'
>>> unicodedata.name(u'\u2013')
'EN DASH'
1
  • 標準ライブラリにそんな便利なものがあったとは... 情報ありがとうございます。
    – perrier
    Commented 2016年9月10日 2:10
8

u'-' はコードポイント 0x002D の文字で、普通にキーボードで入力できるハイフン・マイナス記号です。ASCII コードの 0x2D に対応する文字です。

u'\u2013' は、見ての通り、コードポイント 0x2013 の文字で、en ダッシュと呼ばれるものです。具体的な用途はよく知らないのですが、Wikipedia のダッシュ (記号)の項によると

  • 区間や範囲を表す。
    たとえば10-20と書かれていた場合、これがenダッシュ (10–20) なら「10から20まで」である。これに対してハイフン (10‐20) なら「10の20」、マイナス (10−20)なら「10引く20」である

だそうです。

1
  • コードポイント 0x2013 に対応するのは en ダッシュ でありハイフン・マイナス ではないということですね。u'-' == u'\u002d' => True を確認できました。ありがとうございました。
    – perrier
    Commented 2016年9月9日 15:54

この質問に回答するには、ログインする必要があります。

求めていた回答ではありませんか? のタグが付いた他の質問を参照する。