, ben unicode nesnesinde saklanan bir metin var:Python kullanarak Unicode ayrıştırmasını nasıl tersine çeviririm? Python 2.5 kullanarak
Dinis e Isabel, uma relac¸a~o difı'cil evlilik e polı'tica
Bu belirir decomposed Unicode olmak. ayrışma tersine çevirmek için Python genel yolu var mı, bu yüzden ile sonuna kadar:
Dinis e Isabel, uma difícil relação evlilik e
Bunu aradığınız düşünüyorum:
>>> import unicodedata
>>> print unicodedata.normalize("NFC",u"c\u0327")
ç
seni gerçekten kesin veremem política Sorunu cevapla çünkü asla denemedim. Ancak standart kütüphanede unicodedata module var. Burada size yardımcı olabilecek decomposition() ve normalize() iki işlevi vardır.
Düzenleme: gerçekten unicode çürümüş olduğundan emin olun. Bazen bir kodlamada doğrudan ifade edilemeyen karakterler yazmak için garip yollar vardır. Bir insan veya bir uzman program tarafından ä olarak zihinsel olarak ayrıştırılması amaçlanan "a gibi.
, aslında doğru çürümüş unicode değil - Rafał Dowgird cevabı üzerine yorumumu bakın. – msanders
Ne yazık ki yerine benim metinde \ u0327 (birleştirerek çengelli) arasında aslında (örneğin) \ u00B8 (çengelli) var gibi görünüyor.
eurgh, pis! İşlemi, bir uyumluluk ayrıştırması (NFKD) içerdiğinden, işlem tamamen kayıpsız olmayacak olsa da, yine de otomatik olarak yapabilirsiniz.
Normale U + NFKD için 00B8 ve U + 0327 takiben bir boşluk elde edersiniz. Daha sonra, herhangi bir uzay-takip-birleştiren-karakter karakterini arayan dizgeyi tarayabilir ve alanı kaldırabilirsiniz. Sonunda, birleştiren karakterleri önceki karaktere yerleştirmek için NFC'ye yeniden derleyin. Haklısın
s= unicodedata.normalize('NFKD', s)
s= ''.join(c for i, c in enumerate(s) if c!=' ' or unicodedata.combining(s[i+1])==0)
s= unicodedata.normalize('NFC', s)
Evet, bu çalışma - gerçekten unicode ayrışmış olduğumu varsayarak. Ne yazık ki sanırım benim metnimde \ u0327 (cedilla'yı birleştirmek) yerine aslında (örneğin) \ u00B8 (cedilla) var. Görünüşe bakılırsa, bu karakterleri birleştirme eşdeğerleriyle eşleştirmeli ya da sadece tamamen şeritlemeliyim. Teşekkürler. – msanders