如何使用Python反转Unicode分解？

Question

使用Python 2.5，我有一些文本存储在unicode对象中：

  

Dinis e Isabel，umadifı'cilrelacéa〜o   夫妻关系

这似乎是decomposed Unicode。 Python中是否有通用的方法来反转分解，所以我最终得到：

  

Dinis e Isabel，umadifícilrelacção   夫妻共和国

Answer 1

我认为你正在寻找这个：

>>> import unicodedata    
>>> print unicodedata.normalize("NFC",u"c\u0327")
ç

Answer 2

  

不幸的是，我的文本中似乎确实有（例如）\ u00B8（cedilla）而不是\ u0327（合并cedilla）。

哎呀！您仍然可以自动执行此操作，但该过程不会完全无损，因为它涉及兼容性分解（NFKD）。

将U + 00B8归一化为NFKD，你将获得一个空格，然后是U + 0327。然后，您可以扫描字符串，查找任何空格跟随组合字符的情况，并删除空格。最后重新组合到NFC，将组合字符放在前一个字符上。

s= unicodedata.normalize('NFKD', s)
s= ''.join(c for i, c in enumerate(s) if c!=' ' or unicodedata.combining(s[i+1])==0)
s= unicodedata.normalize('NFC', s)

Answer 3

我无法真正给你一个明确的答案，因为我从未尝试过。但标准库中有unicodedata module。它有两个函数decomposition()和normalize()可能会对您有所帮助。

编辑：确保它确实是分解的unicode。有时会有奇怪的方法来编写无法在编码中直接表达的字符。就像"a一样，它被人类或某些专门程序精神解析为ä。