用等效的ASCII替换特殊字符

Question

是否有任何lib可以将特殊字符替换为ASCII等效字符，例如：

"Cześć"

致：

"Czesc"

我当然可以创建地图：

{'ś':'s', 'ć': 'c'}

使用一些替换功能。但我不想硬编码所有等价物到我的程序中，如果有一个函数已经这样做了。

Answer 1

#!/usr/bin/env python
# -*- coding: utf-8 -*-

import unicodedata
text = u'Cześć'
print unicodedata.normalize('NFD', text).encode('ascii', 'ignore')

Answer 2

我是这样做的：

POLISH_CHARACTERS = {
    50309:'a',50311:'c',50329:'e',50562:'l',50564:'n',50099:'o',50587:'s',50618:'z',50620:'z',
    50308:'A',50310:'C',50328:'E',50561:'L',50563:'N',50067:'O',50586:'S',50617:'Z',50619:'Z',}

def encodePL(text):
    nrmtxt = unicodedata.normalize('NFC',text)
    i = 0
    ret_str = []
    while i < len(nrmtxt):
        if ord(text[i])>128: # non ASCII character
            fbyte = ord(text[i])
            sbyte = ord(text[i+1])
            lkey = (fbyte << 8) + sbyte
            ret_str.append(POLISH_CHARACTERS.get(lkey))
            i = i+1
        else: # pure ASCII character
            ret_str.append(text[i])
        i = i+1
    return ''.join(ret_str)

执行时：

encodePL(u'ąćęłńóśźż ĄĆĘŁŃÓŚŹŻ')

它将产生如下输出：

u'acelnoszz ACELNOSZZ'

这对我很好-；D

Answer 3

你可以通过这样做来获得大部分的方法：

import unicodedata

def strip_accents(text):
    return ''.join(c for c in unicodedata.normalize('NFKD', text) if unicodedata.category(c) != 'Mn')

不幸的是，有些重音拉丁字母不能分解成ASCII字母+组合标记。你得手动操作。其中包括：

• Æ→声发射
• Ð→D
• Ø→O
• Þ→TH
• ß→不锈钢
• æ→声发射
• ð→d
• ø→o
• þ→th
• Œ→运行经验
• œ→运行经验
• ƒ→f