Python unicode规范化：将u'\\ xb4'翻译为u'\\ u0301'是否正确

Question

看下面的代码片段：

>>> import unicodedata
>>> from unicodedata import normalize, name

>>> normalize('NFKD', u'\xb4')
u' \u0301'

>>> normalize('NFKD', u'a\xb4a')
u'a \u0301a'

>>> normalize('NFKC', u'a\xb4a')
u'a \u0301a'

>>> name(u'\xb4'), name(u'\u0301')
('ACUTE ACCENT', 'COMBINING ACUTE ACCENT')

我试图理解将u'\\xb4'为u' \́'是否正确。 为什么它将结合的重音与空间相结合？ 为什么要翻译u \\xb4呢？

在fileformat，我们看到ACUTE ACCENT曾被称为SPACING ACUTE 。 我想，这只是意味着光标应该移动而不是等待输入以下字符。

UPD：如果有人感兴趣，这里有一个列表，如果NFKC规范化后的unicode字符在开头有空格： http ：//pastebin.com/Z99r5AK9

Answer 1

重音字符是空格和组合重音字符的组合，如Unicode标准中所指定：

>>> import unicodedata
>>> unicodedata.decomposition(u'\xb4')
'<compat> 0020 0301'

\´字符有一些模糊的历史，但Unicode标准决定将其视为空格+重音，即使它经常被用作变音标记，请参阅此讨论 。

您也许可以使用\ˊ作为替代方案; 它不被视为空格，也没有指定分解。 它取而代之的是一封信，因此您的里程可能会有所不同。

Answer 2

看一下Unicode Collat​​ion Algorithm文档。 特别要注意的是

兼容性标准化（NFKC）将独立重音折叠为空格+组合重音的组合。

Answer 3

在NFKD中，重音字符以“分割”方式存储：首先是要重音的字符，然后是组合重音： u' \́'

在NFKC中，重音字符以“组合”方式存储：有一个专用的Unicode代码点： u'\\xb4' ，它是u'\´'简写。

它们都代表着单独的口音，可以看作是对空间角色的重音。