Şerit unicode karakter değiştiricileri

Question

Python unicode dizesinden karakter değiştiricileri şerit için en basit yolu nedir? Örneğin

:

Arthur

Arthur

haline gelmelidir Ben dokümanlar denedim ama bunu yapar bir şey bulamadı.

Answer 1

bu

import unicodedata 
a = u"STRING GOES HERE" # using an actual string would break stackoverflow's code formatting. 
u"".join(x for x in a if not unicodedata.category(x).startswith("M")) 

Bu Ne istediğini düşünüyorum budur işaretleri olarak sınıflandırılan tüm karakterleri kaldırır deneyin. Genel olarak, unicodedata.category ile bir karakter kategorisini alabilirsiniz. Bir beyaz liste yaklaşım daha iyi örneğin olabilir lütfen kullanım durumunda bağlı

>>> print s 
A͋͠r͍̞̫̜t̼̭͞h́u̡̙̞̘rͬͣ̐ͮ 
>>> def remove_marks(text): 
...  return regex.sub(ur"\p{M}+", "", text) 
...  
... 
>>> print remove_marks(s) 
Arthur 

sadece girişini sınırlamak için:

import regex 

def remove_marks(text): 
    return regex.sub(ur"\p{M}+", "", text) 

Örnek:

Answer 2

Ayrıca regex module tarafından desteklendiğini r'\p{M}' kullanabilirsiniz ascii karakterleri:

>>> s.encode('ascii', 'ignore').decode('ascii') 
u'Arthur' 

Sonuç, metinde kullanılan Unicode normalizasyonuna bağlı olabilir.