如何將一些任意字符串轉換為有效的人類可讀標識符？

Question

我有一長串人類可讀的字符串，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，一個服務，我使用需要名稱只包含az ， AZ ， 0-9 ， . ， _ ， （空間）。

將這些名稱轉換為在這些要求下有效的唯一名稱的簡潔方法是什么？

我們希望盡可能地保持人類可讀性。 例如，理想情況下不要更改. 到full stop ，並且不改變&到u38 。 我們不能簡單地丟棄無效的字符或變音符號。 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 ...'

這里是約束：
-必須是Python（2和3）
-不必安裝軟件包
-必須保留唯一性（如果在某些情況下沒有唯一性就可以了）
-必須簡明扼要

（注意： 'Y tu mama tambien.'鑒於可能會打破唯一性約束，因此是不可接受的。）

將任意字符串轉換為有效的類名或標識符有一些相似之處。

Answer 1

谷歌搜索“ python字符名稱”將調出unicodedata模塊。 所以一個開始的地方就像

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))

這給了我

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（為轉義選擇一個合適的定界符），就可以保證可以完美地往返，但這留給讀者練習。