在Python 中標準化Unicode：簡化Unicode 表示
在Python 中，unicodedata 模組提供.normalize() 函數來簡化Unicode表示。此函數將分解的 Unicode 實體轉換為最簡單的複合形式。
考慮以下範例：
import unicodedata char = "á" print(len(char)) # Output: 1 [print(unicodedata.name(c)) for c in char] # Output: ['LATIN SMALL LETTER A WITH ACUTE'] char = "á" print(len(char)) # Output: 2 [print(unicodedata.name(c)) for c in char] # Output: ['LATIN SMALL LETTER A', 'COMBINING ACUTE ACCENT']
「á」字元由兩個代碼點組成：U 0061（拉丁文小寫字母） A) 和 U 0301（結合銳音）。分解後，這些字元顯示為「á.」
要規範化該字串，我們可以使用.normalize('NFC')，它會傳回組合形式：
print(ascii(unicodedata.normalize('NFC', '\u0061\u0301'))) # Output: '\xe1'相反， . Normalize('NFD') 返回分解形式：
print(ascii(unicodedata.normalize('NFD', '\u00E1'))) # Output: 'a\u0301'存在額外的標準化形式來處理相容性代碼點。 NFKC 和 NFKD 將相容性字元替換為其規範形式。例如，U 2160（羅馬數字一）使用 NFKC 標準化為「I」：
print(unicodedata.normalize('NFKC', '\u2167')) # Output: 'VIII'需要注意的是，標準化並不總是可逆的，因為某些字元可能沒有獨特的分解形式。
以上是Python 的 `unicodedata.normalize()` 函數如何簡化 Unicode 表示？的詳細內容。更多資訊請關注PHP中文網其他相關文章！
