unicodedata.normalize()对全半角无效，因其处理Unicode等价性而非全半角映射；全角数字０（U+FF10）与半角0（U+0030）码位不同、无标准化关系；NFKC转换全角ASCII字符效果不稳定，需用east_asian_width或ord范围显式判断并映射。
全角半角混杂的文本会破坏字符串匹配、分词、正则提取和模型输入一致性——unicodedata 是 Python 标准库中唯一无需额外依赖就能做底层 Unicode 归一化处理的模块，但直接调用 normalize() 并不能解决全半角问题，必须配合字符映射或条件转换。
为什么 unicodedata.normalize() 对全半角无效
unicodedata.normalize() 处理的是 Unicode 等价性（如 NFC/NFD 中的组合字符），而全角数字 ０（U+FF10）和半角 0（U+0030）在 Unicode 中属于不同码位、无标准化关系。试图用 normalize('NFKC', s) 虽然能转换部分全角标点（如全角逗号 → 半角），但对全角 ASCII 字符（字母、数字）效果不稳定，尤其在 CPython 3.9+ 后部分全角拉丁字符不再被 NFKC 自动转为半角。
实际清洗必须显式判断字符类别并映射：
- 用
unicodedata.east_asian_width(c)判断是否为全宽字符（返回'F'或'W'） - 用
ord(c)范围判断是否属于全角 ASCII 区（0xFF01–0xFF5E对应 !–~，0xFF10–0xFF19对应 ０–９） - 避免依赖
str.translate()预制表——不同项目对“是否转换全角字母”需求不同（如人名保留全角 A 更稳妥）
如何安全地只转换全角数字和常用标点
多数 NLP 场景只需统一数字和基础符号，保留全角汉字与英文字母（避免把「ＡＢＣ」错误转成「ABC」导致 OCR 校验失败）。推荐按需构造映射字典，而非全局替换：
0xFEE0
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
