Python怎样把全角字符统一转换为半角_编写自定义转换器并结合apply批处理-Python教程-PHP中文网

全角转半角底层逻辑是unicode码位查表映射，仅安全转换ascii对应字符（数字、英文字母、部分标点），中文汉字及标点无标准半角形式，不可强行转换；str.translate()配自定义映射表最可控高效。

python怎样把全角字符统一转换为半角_编写自定义转换器并结合apply批处理

全角字符转半角的底层逻辑是什么

全角字符（如中文标点、全角数字字母）在 Unicode 中有独立码位，和半角字符不是简单大小写关系。Python 没有内置函数直接批量处理，str.translate() 是最轻量、最可控的方式——它靠查表映射，不依赖 locale，也不触发正则或编码转换开销。

常见错误是用 unicodedata.normalize('NFKC', s)：它确实能把全角数字/字母转半角，但会连带折叠连接符、合并零宽空格、甚至把「㈱」变成「㈱」→「㈱」（无变化）或误转日文平假名变体。对中文文本尤其危险，比如「ＡＢＣ」→「ABC」没问题，但「。」→「.」、「，」→「,」却不会发生，因为 NFKC 不处理中文标点。

真正可靠的路径是：自己构造一张从全角 Unicode 码位到半角 ASCII 码位的映射字典，再喂给 str.translate()。

怎么写一个安全的全角→半角映射表

核心是只转换明确可逆、且业务中确需统一的字符：ASCII 对应的全角数字、英文字母、常用符号（括号、逗号、句号、冒号、分号、感叹号、问号、加减乘除、等号、下划线、引号）。不碰中文汉字、日韩字符、数学符号、制表符。

def build_full2half_table():
    table = {}
    # 全角数字 ０-９ → 半角 0-9
    for i in range(0xFF10, 0xFF10 + 10):
        table[i] = i - 0xFF10 + 0x30
    # 全角大写字母 Ａ-Ｚ → A-Z
    for i in range(0xFF21, 0xFF21 + 26):
        table[i] = i - 0xFF21 + 0x41
    # 全角小写字母 ａ-ｚ → a-z
    for i in range(0xFF41, 0xFF41 + 26):
        table[i] = i - 0xFF41 + 0x61
    # 全角常用符号（部分）
    full_punct = '！＂＃＄％＆＇（）＊＋，－．／：；＜＝＞？＠［＼］＾＿｀｛｜｝～'
    half_punct = '!"#$%&'()*+,-./:;?@[\]^_`{|}~'
    for f, h in zip(full_punct, half_punct):
        table[ord(f)] = ord(h)
    return table
<p>FULL2HALF_TABLE = build_full2half_table()</p>

注意：这个表不含空格（全角空格 u3000）——它是否转半角空格（）要按需决定。很多清洗场景需要保留原空格语义，盲目替换会导致「姓名　　张三」→「姓名张三」缩进丢失。

python-script-generator

快速生成专业的 Python 脚本和应用代码。一键创建完整项目结构，支持CLI、API、爬虫、Bot、Django等多种项目类型，包含完整的项目结构、配置文件、依赖管理、测试、README和文档。

下载

pandas DataFrame 里用 apply 批量处理字符串列

直接对 Series 调用 .apply() 最简洁，但必须确保列是 string 类型，且含 NaN 时不出错：

用 astype(str) 强转可能把 NaN 变成字符串 'nan'，错误放大
正确做法是用 pd.Series.str.translate(FULL2HALF_TABLE)，它原生支持 NaN 透传，且向量化快于 .apply()
如果非要用 .apply()（比如后续还要链式处理），务必加 na_action='ignore'

示例：

df['text'] = df['text'].str.translate(FULL2HALF_TABLE)
# 或
df['text'] = df['text'].apply(
    lambda x: x.translate(FULL2HALF_TABLE) if isinstance(x, str) else x,
    na_action='ignore'
)

别用 df['text'].apply(str).apply(...)：两次 apply + 强转，性能差，且 str(NaN) 得到 'nan'，污染数据。