如何检查字符是否属于指定代码页？仅打印非所属字符的实现

要实现仅打印特定代码页不支持的字符，核心是判断字符是否能被目标编码正确编码。常用的两种思路是捕获编码异常或者预生成编码支持的字符集合，以下是对应的代码示例：

代码示例1：待补充判断逻辑的框架 #

你可以先搭建基础框架，再根据需求补充判断逻辑（比如预生成字符集做成员检查）：

def is_not_supported(char, encoding='cp950'):
    # 补充判断逻辑：比如生成encoding支持的所有字符，判断char是否不在其中
    # 示例思路参考：supported_chars = {chr(i) for i in range(0x10000) if is_supported(chr(i), encoding)}
    pass

# 测试用例：遍历字符列表，打印不支持的字符
test_chars = ['我', '😀', '你', '𪚉', '好', '🤖']
for char in test_chars:
    if is_not_supported(char):
        print(char)

代码示例2：通过编码异常判断的完整实现 #

这是更简洁高效的实现方式——通过尝试编码并捕获UnicodeEncodeError来判断字符是否支持目标编码：

def is_supported(char, encoding='cp950'):
    try:
        # 尝试将字符编码为目标编码，成功则说明支持
        char.encode(encoding)
        return True
    except UnicodeEncodeError:
        # 抛出异常说明该字符不在目标代码页中
        return False

# 测试：筛选并打印所有不支持cp950的字符
test_chars = ['我', '😀', '你', '𪚉', '好', '🤖']
for char in test_chars:
    if not is_supported(char):
        print(f"不支持cp950的字符：{char}")

代码说明 #

• is_supported函数的核心逻辑：如果字符能被指定编码（如cp950，即繁体中文代码页）成功编码，返回True；若抛出UnicodeEncodeError，则说明该字符不在该编码的字符集中，返回False。
• 遍历测试字符时，通过not is_supported(char)筛选出不支持的字符并打印。

内容的提问来源于stack exchange，提问作者CL So