Python相同的char不等于

Question

我的数据库中有文字。我从xhr发送一些文字给我看。函数find找不到一些unicode字符。

我想使用以下方法找到所选文字：

text.find(selection)

但有时可变的选择＆＃39;包含这样的字符：

ę  # in xhr unichr(281)

而在变量＆＃39; text＆＃39;有：

ę  # in db has two chars unichr(101) + unichr(808)

它们只是同一件事的不同形式。如何让.find在这里更可靠地工作？

Answer 1

此处unicodedata.normalize可能会对您有所帮助。

基本上，如果您对来自数据库的数据进行规范化，并将您的选择标准化为相同的表单，则在使用str.find，str.__contains__时（in）应该会有更好的结果，str.index和朋友。

>>> u1 = chr(281)
>>> u2 = chr(101) + chr(808)
>>> print(u1, u2)
ę ę
>>> u1 == u2
False
>>> unicodedata.normalize('NFC', u2) == u1
True

NFC代表 Normal Form Composed 表单。您可以阅读here以获取其他可能形式的描述。