使用 Python 将国际字符替换为基本拉丁字符的好方法是什么？答案

【问题标题】：What's a good way to replace international characters with their base Latin counterparts using Python?使用 Python 将国际字符替换为基本拉丁字符的好方法是什么？
【发布时间】：2009-07-28 07:21:11
【问题描述】：

假设我有字符串"blöt träbåt"，其中有几个a 和o，上面带有变音符号和环。我希望它尽可能简单地变成"blot trabat"。我做了一些挖掘，发现了以下方法：

import unicodedata
unicode_string = unicodedata.normalize('NFKD', unicode(string))

这将为我提供 unicode 格式的字符串，其中国际字符拆分为基本字母和组合字符（\u0308 表示变音符号。）现在要将其恢复为 ASCII 字符串，我可以执行 ascii_string = unicode_string.encode('ASCII', 'ignore') 它会忽略组合字符，得到字符串"blot trabat"。

这里的问题是：有没有更好的方法来做到这一点？感觉就像一个迂回的方式，我在想可能有一些我不知道的东西。我当然可以将它包装在一个辅助函数中，但我宁愿检查它是否在 Python 中已经不存在。

【问题讨论】：

"ASCII 字符串 "blöt träbåt"" 是矛盾的。 ASCII 没有重音字符。您的意思是“Unicode 字符串”吗？
嘿，这与我在 C# 中所做的完全一样...
是的，我刚刚意识到我使用了错误的术语。不过，它不一定必须是 Unicode。它可以扩展为 ASCII（这是我真正的意思。）
@orsogufo：当我提出这个问题时，最重要的建议是 C# 的解决方案，所以搜索 =)
@Blixt：谢谢，我的意思是我已经这样实现了:) 似乎是一种标准方式。只是出于好奇：为什么需要这样做？

标签： python string internationalization

【解决方案1】：

如果您创建一个显式表，然后使用 unicode.translate 方法会更好。优点是音译更精确，例如将“ö”音译为“oe”，将“ß”音译为“ss”，应该用德语做。

PyPI 上有几个音译包：translitcodec、Unidecode 和 trans。

【讨论】：

你说得对，音译总比去掉字符的装饰要好。如果"große" 变成"grose"，那会很混乱（不是我想我会处理德语单词，但仍然）......
我使用 translitcodec 因为它似乎是最专业的结构化模块。它还与 trans 不同，将 å 替换为 aa，将 ä 替换为 ae，这在音译时是正确的。
@Blixt：抱歉，我无法推荐特定的软件包——这可能是一个单独的 SO 问题。但是，您似乎已经进行了评估。