unicodedata.normalize(form, unistr) 是如何工作的？答案

【问题标题】：How does unicodedata.normalize(form, unistr) work?unicodedata.normalize(form, unistr) 是如何工作的？
【发布时间】：2013-01-18 21:30:33
【问题描述】：

在 API 文档中，http://docs.python.org/2/library/unicodedata.html#unicodedata.normalize。它说

返回 Unicode 字符串 unistr 的正常形式 form。表单的有效值为‘NFC’、‘NFKC’、‘NFD’和‘NFKD’。`

文档比较模糊，有人可以用一些例子解释valid values吗？

【问题讨论】：

标签： python unicode encoding normalization unicode-normalization

【解决方案1】：

我发现文档很清楚，但这里有一些代码示例：

from unicodedata import normalize

print '%r' % normalize('NFD', u'\u00C7')  # decompose: convert Ç to "C + ̧"
print '%r' % normalize('NFC', u'C\u0327') # compose: convert "C + ̧" to Ç

两种 'D' (=decompose) 形式都将单个组合字符（如 ä）转换为两个字符（a + 两个点）。两种 'C' (=compose) 形式都是相反的。

这两种“K”形式用于转换添加到 Unicode 的字符以实现兼容性。例如，为了支持不能在符号周围画圆圈的软件，有一组“圆圈数字”，如①（unicode number 2460）。当我们对其应用规范分解 (NFD) 时，它什么也不做：

print '%r' % normalize('NFD', u'\u2460')     # u'\u2460'

但是，兼容性分解（NFKD）会返回相应的“兼容”字符：

print '%r' % normalize('NFKD', u'\u2460')    # 1

更多详情请见http://en.wikipedia.org/wiki/Unicode_equivalence。

【讨论】：