问规范外文
EN

Stack Overflow用户

提问于 2020-03-26 01:02:19

回答 1查看 30关注 0票数 0

通常，我使用unicodedata来规范其他拉丁语文本。然而，我遇到了这样的情况，不知道该做什么：

s = 'Nguyễn Văn Trỗi'
>>> unicodedata.normalize('NFD', s)
'Nguyễn Văn Trỗi'

还有另一个模块可以比unicodedata规范更多的口音吗？我想要的输出是：

Nguyen Van Troi

python

unicode

回答 1

Stack Overflow用户

回答已采纳

发布于 2020-03-26 02:14:04

normalize并不意味着“删除重音”。它是在组合形式和分解形式之间进行转换：

>>> import unicodedata as ud
>>> a = 'ă'
>>> print(ascii(ud.normalize('NFD',a)))  # LATIN SMALL LETTER A + COMBINING BREVE
'a\u0306'
>>> print(ascii(ud.normalize('NFC',a)))  # LATIN SMALL LETTER A WITH BREVE
'\u0103'

删除它们的一种方法是将分解后的表单编码为ASCII忽略错误，这是因为组合字符不是ASCII。但是请注意，并不是所有的国际字符都分解了表单，比如đ。

>>> s = 'Nguyễn Văn Trỗi'
>>> ud.normalize('NFD',s).encode('ascii',errors='ignore').decode('ascii')
'Nguyen Van Troi'

>>> s = 'Ngô Đình Diệm'
>>> ud.normalize('NFD',s).encode('ascii',errors='ignore').decode('ascii')
'Ngo inh Diem' # error

您可以使用翻译表来处理异常：

>>> table = {ord('Đ'):'D',ord('đ'):'d'}
>>> ud.normalize('NFD',s).translate(table).encode('ascii',errors='ignore').decode('ascii')
'Ngo Dinh Diem'

票数 1

页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持

原文链接：

https://stackoverflow.com/questions/60859596

复制

相似问题

问规范外文
EN

回答 1

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问规范外文EN

回答 1

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问规范外文
EN