如何将一些任意字符串转换为有效的人类可读标识符？

Question

我有一长串人类可读的字符串，其中一些包含一些非ASCII甚至非拉丁字符。

'Count €'  
'Contains äüöß'
'Y tu mamá también.'
'что'

但是，一个服务，我使用需要名称只包含az ， AZ ， 0-9 ， . ， _ ， （空间）。

将这些名称转换为在这些要求下有效的唯一名称的简洁方法是什么？

我们希望尽可能地保持人类可读性。 例如，理想情况下不要更改. 到full stop ，并且不改变&到u38 。 我们不能简单地丢弃无效的字符或变音符号。 例如：

'Count euro symbol'
'Contains a with umlaut u with umlaut o with umlaut sharp s'
'Y tu mama_ tambie_n.'
'cyrillic small letter che ...'

这里是约束：
-必须是Python（2和3）
-不必安装软件包
-必须保留唯一性（如果在某些情况下没有唯一性就可以了）
-必须简明扼要

（注意： 'Y tu mama tambien.'鉴于可能会打破唯一性约束，因此是不可接受的。）

将任意字符串转换为有效的类名或标识符有一些相似之处。

Answer 1

谷歌搜索“ python字符名称”将调出unicodedata模块。 所以一个开始的地方就像

import string
import unicodedata

ALLOWED = set(string.ascii_letters + string.digits + '. _')
sentences = ['Count €', 'Contains äüöß', 'Y tu mamá también.', 'что']

def encode(s):
    return ''.join([unicodedata.name(c).replace(" ","_")+"_"
                   if c not in ALLOWED else c for c in s])

for s in sentences:
    print(s)
    print(encode(s))

这给了我

Count €
Count EURO_SIGN_
Contains äüöß
Contains LATIN_SMALL_LETTER_A_WITH_DIAERESIS_LATIN_SMALL_LETTER_U_WITH_DIAERESIS_LATIN_SMALL_LETTER_O_WITH_DIAERESIS_LATIN_SMALL_LETTER_SHARP_S_
Y tu mamá también.
Y tu mamLATIN_SMALL_LETTER_A_WITH_ACUTE_ tambiLATIN_SMALL_LETTER_E_WITH_ACUTE_n.
что
CYRILLIC_SMALL_LETTER_CHE_CYRILLIC_SMALL_LETTER_TE_CYRILLIC_SMALL_LETTER_O_

只需做更多的工作（为转义选择一个合适的定界符），就可以保证可以完美地往返，但这留给读者练习。