从字符串中删除特殊字符

Question

我有一个字符串“MikaelHåfström”，其中包含一些特殊字符，如何使用python删除它？

Answer 1

您可以使用unicodedata模块来规范化unicode字符串，并将其编码为ASCII格式，如下所示：

>>> import unicodedata
>>> source = u'Mikael Håfström'
>>> unicodedata.normalize('NFKD', source).encode('ascii', 'ignore')
'Mikael Hafstrom'

一个值得注意的例外是Python不识别字母'đ'和'Đ'，它们不会被编码为'd'，因此它们将被简单地从结果中省略。这是一种在一些SEE语言的拉丁字母表中出现的浊音 - 腭语，因此它可能会或可能不会立即引起您的观众或您是否提供对Latin-1字符集的完全支持。我目前在本地运行Python 2.6.5（2010年3月19日）并且存在问题，但我确信它可能已经通过新版本解决了。

Answer 2

例如使用编码方法：u"Mikael Håfström".encode("ascii", "ignore")

Answer 3

请参阅此effbot article（包含代码）。它尽可能合理地将音译转换成ASCII字符。可以扩展内置转换表以处理没有规范分解的许多其他字符（例如在东欧语言中使用的字符）。