如何使用Python反轉Unicode分解？

Question

使用Python 2.5，我有一些文本存儲在unicode對象中：

Dinis e Isabel，umadifı'cilrelacóa~oconjugalepolı'tica

這似乎是分解Unicode 。 Python中是否有通用的方法來反轉分解，所以我最終得到：

Dinis e Isabel，umadifícilrelaçãoconclarationepolítica

Answer 1

我想你正在尋找這個：

>>> import unicodedata    
>>> print unicodedata.normalize("NFC",u"c\u0327")
ç

Answer 2

不幸的是，我的文本中似乎實際上有（例如）\\ u00B8（cedilla）而不是\\ u0327（結合cedilla）。

呃，討厭！ 您仍然可以自動執行此操作，但該過程不會完全無損，因為它涉及兼容性分解（NFKD）。

將U + 00B8標准化為NFKD，您將獲得一個空格，然后是U + 0327。 然后，您可以掃描字符串，查找任何空格跟隨組合字符的情況，並刪除空格。 最后重新組合到NFC，將組合字符放到前一個字符上。

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)

Answer 3

我無法真正給你一個明確的答案，因為我從未嘗試過。 但是標准庫中有一個unicodedata模塊 。 它有兩個函數decomposition()和normalize() ，可以幫助你。

編輯：確保它確實是分解的unicode。 有時會有奇怪的方法來編寫無法在編碼中直接表達的字符。 就像"a被人類或某個專門程序精神解析為ä 。