为何int()转换Unicode字符串会出现非预期结果？（如int('᪐᭒')==2）

这两个Unicode字符的属性决定了int()的处理结果：

• U+1A90（字符᪐）是巴厘语数字2，属于Unicode的Nd（十进制数字）类别，本身对应数值2；
• U+1B52（字符᭒）是巴厘语数字分隔符，属于No（其他数字）类别，仅用于数字格式分隔，不携带实际数值，会被int()忽略。

Python的int()函数并非只识别阿拉伯数字（0-9），它会解析所有Unicode标准定义的十进制数字字符，同时跳过无数值的数字相关分隔字符。因此传入'᪐᭒'时，函数提取有效数字᪐对应的数值2，最终返回结果。

你可以用unicodedata模块验证字符属性：

import unicodedata

# 验证巴厘语数字2
print(unicodedata.name('᪐'))          # BALINESE DIGIT TWO
print(unicodedata.category('᪐'))      # Nd（十进制数字）
print(unicodedata.numeric('᪐'))       # 2.0

# 验证巴厘语数字分隔符
print(unicodedata.name('᭒'))          # BALINESE DIGIT SEPARATOR
print(unicodedata.category('᭒'))      # No（其他数字）
print(unicodedata.numeric('᭒', None)) # None（无对应数值）

如果需要限制仅识别阿拉伯数字，可提前过滤字符串，只保留0-9范围内的字符后再转换。

内容的提问来源于stack exchange，提问作者Wör Du Schnaffzig