如何将任意字符串转换为有效的人类可读标识符？

Question

我有一长串人类可读的字符串，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'

但我使用的服务要求名称仅包含 a-z、A-Z、0-9、.、_、（空格）。

将它们转换为在这些要求下有效的唯一名称的简洁方法是什么？

我们希望尽可能地保持人类可读性。例如，理想情况下不要将. 更改为full stop，也不要将& 更改为u38。我们不能简单地删除无效字符或变音符号。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 ...'

以下是限制条件：
- 必须是 Python（2 和 3）
- 必须不需要安装包
- 必须保持唯一性（如果有边缘情况没有，那很好）
- 必须简洁

（注意：'Y tu mama tambien.' 是不可接受的，因为它可能会打破唯一性约束。）

将任意字符串转换为有效的类名或标识符有一些相似之处。

Answer 1

谷歌搜索“python 字符名称”会弹出unicodedata 模块。所以一个开始的地方是这样的

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))

这给了我

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_

只需多做一点工作（为转义选择合适的分隔符），您就可以保证这可以完美地往返，但这留给读者作为练习。