python希腊字母字符串_在Python unicode字符串中删除重音符号的最佳方法是什么？...

我刚在网上找到这个答案：import unicodedata

def remove_accents(input_str):

nfkd_form = unicodedata.normalize('NFKD', input_str)

only_ascii = nfkd_form.encode('ASCII', 'ignore')

return only_ascii

它工作得很好(例如法语)，但我认为第二步(删除重音符号)可以比删除非ASCII字符处理得更好，因为对于某些语言(例如希腊语)这将失败。最好的解决方案可能是显式删除被标记为变音符号的unicode字符。

编辑：这样做的诀窍是：import unicodedata

def remove_accents(input_str):

nfkd_form = unicodedata.normalize('NFKD', input_str)

return u"".join([c for c in nfkd_form if not unicodedata.combining(c)])

如果字符c可以与前面的字符组合，即主要是变音符号，则unicodedata.combining(c)将返回true。

编辑2：remove_accents需要一个unicode字符串，而不是一个字节字符串。如果有字节字符串，则必须将其解码为如下unicode字符串：encoding = "utf-8" # or iso-8859-15, or cp1252, or whatever encoding you use

byte_string = b"café" # or simply "café" before python 3.

unicode_string = byte_string.decode(encoding)