去除重音和特殊字符

可能重复：
What is the best way to remove accents in a python unicode string?
Python and character normalization 去除重音和特殊字符

我想去掉口音，把所有字符转换为小写，并删除任何数字和特殊字符。

例子：

Frédé[email protected] - >弗雷德里克

建议：

def remove_accents(data): 
    return ''.join(x for x in unicodedata.normalize('NFKD', data) if \ 
    unicodedata.category(x)[0] == 'L').lower()

有没有什么更好的方法来做到这一点？

来源

2012-01-01 Fred

你能编辑你的答案，包括一些期望的输入和输出的例子吗？ – 2012-01-01 18:56:22

@Christian JonassenFrédé[email protected] - > frederic @@àbcd - > abcd％*tréçd - > trecd – Fred 2012-01-01 19:00:20

我使用python 3.x – Fred 2012-01-01 19:24:15

一个可能的解决办法是

def remove_accents(data): 
    return ''.join(x for x in unicodedata.normalize('NFKD', data) if x in string.ascii_letters).lower()

使用NFKD据我所知是正常化的unicode将其转换为兼容字符的标准方式。剩下的就是删除标准化后的特殊字符和unicode字符，你可以简单地比较一下string.ascii_letters并删除那些不在那个字符集中的字符。

来源

2012-01-01 19:41:28 Abhijit

非常好，谢谢！ – Fred 2012-01-01 19:45:41

但是该命令中的字符串变量是什么？你在哪里提到'如果x在string.ascii_letters' – Falcoa 2017-01-17 12:33:31

@Falcoa是可行的。还有另一种解决方案 def remove_accents（self，data）： return unicodedata.normalize（'NFKD'，data）.encode（'ASCII'，'ignore'） – lesimoes 2017-04-19 15:32:27

你可以将字符串转换为HTML实体吗？如果是这样，那么你可以使用一个简单的正则表达式。

下更换将在PHP/PCRE（见my other answer为例）工作：

'~&([a-z]{1,2})(?:acute|cedil|circ|grave|lig|orn|ring|slash|th|tilde|uml);~i' => '$1'

然后简单地从HTML实体转换回并删除所有非a-Z CHAR（demo @ CodePad）。

对不起，我不知道Python足以提供Pythonic答案。

来源

2012-01-01 19:13:54

我不确定正则表达式比UnicodeData更有效 – Fred 2012-01-01 19:36:31

@ user1125315：我也不确定，但它正确地通过了您的输入/输出测试。尽管尝试其他方法，但'unidecode'库似乎很棒。 – 2012-01-01 19:41:52

去除重音和特殊字符

回答

相关问题