복합 문자를 단순화하기 위해 Python에서 유니코드 문자열을 어떻게 정규화할 수 있습니까?

유니코드 정규화

유니코드 문자열에는 두 개 이상의 코드 포인트 시퀀스로 표시되는 복합 문자가 포함되는 경우가 많습니다. 이러한 합성물은 때때로 더 단순한 단일 코드 포인트 엔터티로 정규화될 수 있습니다.

문제

unicodedata 모듈은 유니코드 문자 정보에 액세스하는 편리한 방법을 제공합니다. 그러나 문자를 수동으로 반복하고 합성을 비복합 문자로 바꾸는 것은 비효율적이며 오류가 발생하기 쉽습니다.

해결책

유니코드 문자열을 정규화하고 합성을 변환하려면 가장 간단한 형식으로 'NFC'(Normal Form Composed) 옵션과 함께 unicodedata.normalize() 함수를 사용하세요. 이 형식은 합성 문자를 사전 구성된 문자로 바꿉니다.

예:

>>> import unicodedata
>>> char = "á"
>>> unicodedata.normalize('NFC', char) == "á"
True

반대로, 'NFD'(Normal Form Decomposed) 옵션은 사전 구성된 문자를 분해된 형식으로 변환합니다.

>>> char = "á"
>>> unicodedata.normalize('NFD', char) == "a\u0301"
True

추가 정규화 양식

NFC 및 NFD 외에도 두 가지 추가 정규화 형식이 있습니다.

• NFKC: Compatible Normal Form Composed(호환성을 대체함) 표준 형식의 문자입니다.
• NFKD: 호환 가능 일반 NFKD를 결합하고 호환성 문자를 제거하는 Form Decomposed.

예:

>>> char = "Ⅷ"
>>> unicodedata.normalize('NFKC', char) == "VIII"
True

참고: 정규화가 항상 되돌릴 수 있는 것은 아닙니다. ; 문자를 NFD로 분해한 다음 NFC로 재구성하면 항상 원래 문자 시퀀스가 ​​발생하지 않을 수도 있습니다.

위 내용은 복합 문자를 단순화하기 위해 Python에서 유니코드 문자열을 어떻게 정규화할 수 있습니까?의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!