如何用Python按书写语言生成Unicode字符列表并导出为TXT文件？

核心实现方案 #

用Python内置的unicodedata库就能搞定，无需额外装第三方包。它可以识别字符所属的书写系统（脚本类型），我们只要遍历全范围Unicode码点，按脚本分类收集字符，最后导出成TXT文件即可。

代码示例 #

import unicodedata
from collections import defaultdict

def collect_unicode_by_script():
    # 用字典按脚本分类存储字符
    script_chars = defaultdict(list)
    
    # 遍历所有有效Unicode码点（0到0x10FFFF是Unicode完整范围）
    for code_point in range(0x110000):
        try:
            char = chr(code_point)
            # 获取字符所属脚本
            script = unicodedata.script(char)
            # 过滤通用符号、继承字符和控制字符，只保留书写语言专属字符
            if script not in ('Common', 'Inherited') and not unicodedata.category(char).startswith('C'):
                script_chars[script].append(char)
        except ValueError:
            # 跳过无效码点
            continue
    
    # 按脚本导出为TXT文件
    for script, chars in script_chars.items():
        filename = f"{script}_unicode_chars.txt"
        with open(filename, 'w', encoding='utf-8') as f:
            f.write(''.join(chars))
        print(f"已生成：{filename}")

if __name__ == "__main__":
    collect_unicode_by_script()

关键细节说明 #

• unicodedata.script(char)：返回字符的脚本标识，比如Han对应汉字、Latin对应拉丁字母、Arabic对应阿拉伯文等
• 过滤规则：排除通用符号、继承字符和控制字符，避免无关内容混入
• 文件编码：必须用utf-8保存，否则会丢失Unicode字符信息

扩展方向 #

如果需要精准对应到具体语言（而非脚本），可以自己维护一份「语言-脚本」映射表，把脚本进一步关联到具体语言（比如Han脚本对应中文、日文汉字），再做二次分类。

内容的提问来源于stack exchange，提问作者Jun Ha