是否可以解释unicodedata.normalize(form,unistr)如何使用示例？

Question

所以在API文档中,http://docs.python.org/2/library/unicodedata.html#unicodedata.normalize.它说

返回Unicode字符串unistr的正常表单形式.表单的有效值为"NFC","NFKC","NFD"和"NFKD"

文档相当模糊,有人可以valid values用一些例子解释一下吗？

Answer 1

我发现文档非常清楚,但这里有一些代码示例:

from unicodedata import normalize

print '%r' % normalize('NFD', u'\u00C7')  # decompose: convert Ç to "C + ?"
print '%r' % normalize('NFC', u'C\u0327') # compose: convert "C + ?" to Ç

'D'(=分解)形式都将单个组合字符(如ä)转换为两个字符(a+两个点).两个'C'(=组合)形式都是相反的.

两个"K"表单用于转换添加到Unicode的字符以实现兼容性目的.例如,为了支持不能在符号周围绘制圆圈的软件,有一组"带圆圈的数字",如①(unicode number 2460).当我们对它应用规范分解(NFD)时,它不会做任何事情:

print '%r' % normalize('NFD', u'\u2460')     # u'\u2460'

但是,兼容性分解(NFKD)将返回相应的"兼容"字符:

print '%r' % normalize('NFKD', u'\u2460')    # 1

有关详细信息,请参见http://en.wikipedia.org/wiki/Unicode_equivalence.