Introdução
Esse comportamento se deve, principalmente, às Unicode characters properties. Essas propriedades, normatizadas pelo padrão Unicode, descrevem certas características e propriedades comuns a caracteres.
Métodos como o isdigit
basicamente fazem uso dessas propriedades para determinar se o caractere em questão faz parte de um grupo específico de caracteres.
O Python fornece, em sua biblioteca padrão, três métodos que, por meio dessas propriedades, fazem algum tipo de verificação sobre valores “numéricos”. Em ordem, do mais abrangente para o menos abrangente, são eles:
Método |
Propriedades Unicode requeridas (valores de Numeric_Type ) |
isnumeric |
Decimal , Digit , Numeric |
isdigit |
Decimal , Digit |
isdecimal |
Decimal |
Sobre o método isdigit
, tratado pela pergunta, voltemo-nos à documentação (em tradução livre):
Retorna verdadeiro se todos os caracteres da string são dígitos e existe pelo menos um caractere, falso do contrário. Dígitos incluem caracteres decimais e dígitos que precisam de tratamento especial, como os dígitos sobrescritos de compatibilidade. Isso cobre dígitos que não podem ser usado para formar números na base 10, como os números de Kharosthi. Formalmente, um dígito é um caractere que tem a propriedade Numeric_Type=Digit
ou Numeric_Type=Decimal
.
A última frase, destacada por mim, trata sobre as já referidas “propriedades de caracteres”, normatizadas pelo Unicode. Para a propriedade Numeric_Type
, veja nesta tabela que há quatro valores permitidos. Os métodos em questão fazem as verificações sobre três desses valores.
Seguindo as definições do Unicode, um “dígito” é um valor que pertence a uma categoria bem maior do que os caracteres permitidos pela conversão feita pelo int
do Python. A motivação dessa maior abrangência dá-se tendo em vista que Unicode foi criado para suportar vários outros scripts do mundo. Naturalmente, então, os caracteres de dígitos presentes no Unicode vão muito além dos originalmente definidos pela tabela ASCII, que compreendem os famosos algarismos arábicos.
Em relação ao Unicode, Python possui o módulo unicodedata
, que permite manipulações sobre esse tipo de característica de caracteres (e outras coisas a mais, mas que não vêm ao escopo desta resposta).
Sobre a conversão feita pelo int
De acordo com esta seção da documentação, int
aceita:
Os literais numéricos aceitos incluem os dígitos 0 a 9 ou qualquer outro equivalente ao Unicode (code points com a propriedade Nd).
Vale frisar que a categoria geral Nd
é equivalente (nas duas direções) ao conjunto de caracteres que possuem a propriedade Numeric_Type=Decimal
.
Portanto, embora o método isdigit
seja abrangente demais para validar uma string a ser fornecida para conversão pelo int
, o método isdecimal
é um substituto ideal, haja vista que tem o mesmo conjunto de caracteres permitidos, se comparado ao int
.
Vale ressaltar que, nesse sentido, o int
aceita também alguns caracteres “alfanuméricos” (como a
, f
, etc) no caso da base numérica informada for maior que 10.
Podemos confirmar com alguns exemplos:
# Devanagari 6; possui a propriedade `Numeric_Type=Decimal`
'६'.isdecimal() #> True
int('६') #> 6
# 1 superscript; NÃO possui a propriedade `Numeric_Type=Decimal`
'¹'.isdecimal() #> False
int('¹') #> ValueError lançado.
E se eu só quiser 0
a 9
mesmo?
Nesse caso, como já vimos acima, os métodos isnumeric
, isdigit
e isdecimal
não funcionariam para isso. Todos eles são abrangentes demais.
Nesse caso, utilizar uma expressão regular pode ser uma boa solução. Mas, como vimos acima, para int
, o método isdecimal
já é suficiente para evitar o ValueError
.