Python 的 `unicodedata.normalize()` 函數如何簡化 Unicode 表示？

在Python 中標準化Unicode：簡化Unicode 表示

在Python 中，unicodedata 模組提供.normalize() 函數來簡化Unicode表示。此函數將分解的 Unicode 實體轉換為最簡單的複合形式。

考慮以下範例：

import unicodedata

char = "á"
print(len(char))  # Output: 1

[print(unicodedata.name(c)) for c in char]  # Output: ['LATIN SMALL LETTER A WITH ACUTE']

char = "á"
print(len(char))  # Output: 2

[print(unicodedata.name(c)) for c in char]  # Output: ['LATIN SMALL LETTER A', 'COMBINING ACUTE ACCENT']

「á」字元由兩個代碼點組成：U 0061（拉丁文小寫字母） A) 和 U 0301（結合銳音）。分解後，這些字元顯示為「á.」

要規範化該字串，我們可以使用.normalize('NFC')，它會傳回組合形式：

print(ascii(unicodedata.normalize('NFC', '\u0061\u0301')))  # Output: '\xe1'

相反， . Normalize('NFD') 返回分解形式：

print(ascii(unicodedata.normalize('NFD', '\u00E1')))  # Output: 'a\u0301'

存在額外的標準化形式來處理相容性代碼點。 NFKC 和 NFKD 將相容性字元替換為其規範形式。例如，U 2160（羅馬數字一）使用 NFKC 標準化為「I」：

print(unicodedata.normalize('NFKC', '\u2167'))  # Output: 'VIII'

需要注意的是，標準化並不總是可逆的，因為某些字元可能沒有獨特的分解形式。

以上是Python 的 `unicodedata.normalize()` 函數如何簡化 Unicode 表示？的詳細內容。更多資訊請關注PHP中文網其他相關文章！