Question

如何转换分解的unicode字符序列，如“LATIN SMALL LETTER E”+“COMBINING ACUTE ACCENT”（或U + 0075 + U + 0301），使它们成为预组合形式：“LATIN SMALL LETTER E WITH ACUTE”（或U + 00E9）使用原生Python 2.5+函数？

如果重要，我在Mac OS X（10.6.4）上，我看到了问题Converting to Precomposed Unicode String using Python-AppKit-ObjectiveC但不幸的是，所描述的OS X本机CoreFoundation函数CFStringNormalize没有失败或停止脚本执行它只是没有做任何事情。并且由此我并不意味着它不返回任何东西（它的返回类型是无效的 - 它在适当的位置变异）。我还尝试了常量参数的所有可能值，该参数指定规范或非规范形式的预分解或分解。

这就是为什么我在寻找处理这种情况的Python原生方法。

非常感谢您的阅读！

安德烈

Answer 1

import unicodedata as ud

astr=u"\N{LATIN SMALL LETTER E}" + u"\N{COMBINING ACUTE ACCENT}"
combined_astr=ud.normalize('NFC',astr)

'NFC'告诉ud.normalize应用规范分解（'NFD'），然后撰写预组合字符：

print(ud.name(combined_astr))
# LATIN SMALL LETTER E WITH ACUTE

他们都打印相同：

print(astr)
# é
print(combined_astr)
# é

但他们的代表不同：

print(repr(astr))
# u'e\u0301'
print(repr(combined_astr))
# u'\xe9'

他们的编码，utf_8，（也不奇怪）也是不同的：

print(repr(astr.encode('utf_8')))
# 'e\xcc\x81'
print(repr(combined_astr.encode('utf_8')))
# '\xc3\xa9'

在Python中预编写Unicode字符序列

1 个答案: