Python正则表达式将字符串中的非ascii字符转换为最接近的ascii等价物

Question

我正在寻找简单的Python函数，它接受一个字符串并返回一个类似的字符串，但所有非ascii字符都转换为它们最接近的ascii等价物。 例如，应该删除变音符号等。 我想象必须有一个非常规范的方法来做这个并且有很多相关的stackoverflow问题，但我找不到一个简单的答案所以它似乎值得一个单独的问题。

输入/输出示例：

"Étienne" -> "Etienne"

Answer 1

阅读这个问题让我去寻找更好的东西。

https://pypi.python.org/pypi/Unidecode/0.04.1

完全符合你的要求。

Answer 2

在Python 3中使用PyPI的正则表达式实现：

http://pypi.python.org/pypi/regex

从字符串开始：

>>> s = "Étienne"

归一化为NFKD然后去除变音符号：

>>> import unicodedata
>>> import regex
>>> regex.sub(r"\p{Mn}", "", unicodedata.normalize("NFKD", s))
'Etienne'

Answer 3

搜索'iconv TRANSLIT python'我发现： http://www.tablix.org/~avian/blog/archives/2009/01/unicode_transliteration_in_python/看起来可能就是你所需要的。这些评论还有其他一些使用标准库的想法。

还有http://web.archive.org/web/20070807224749/http://techxplorer.com/2006/07/18/converting-unicode-to-ascii-using-python/使用NFKD来获取可能的基本字符。

Answer 4

阅读一些重复问题的答案。 NFKD噱头仅作为重点剥离器。它不处理连字和许多其他不能（或没有）分解的基于拉丁语的字符。为此，准备好的翻译表是必要的（并且要快得多）。