將字母不是7位ASCII轉換爲ASCII（如將n轉換爲n並將其轉換爲±）

Question

我正在尋找一種快速且可能方便的方式在Python 3中將非ASCII字母的字符串轉換爲僅帶有ascii字母的字詞。

例子！

żółw=> zolw

móżdżek=> mozdzek

羅茲=>羅茲

等等...

有國家字母許多字母可以變成ASCII字母（如ñ到n）。我可以通過指定如何翻譯每個字母來手動執行我的語言（波蘭語）。但是有沒有自動化的方法來做到這一點？或者一些圖書館會做我所需要的？

蟒蛇str.encode()不會做，因爲"żółw".encode('ascii', 'replace') == "???w"和"żółw".encode('ascii', 'ignore') == "w" ...

我可以做這樣的翻譯潤色信件，但我並不想這樣做，每隔語言：

>>> utf8_letters = ['ą','ę','ć','ź','ż','ó','ł','ń','ś'] 
>>> ascii_letters = ['a','e','c','z','z','o','l','n','s'] 
>>> trans_dict = dict(zip(utf8_letters,ascii_letters)) 
>>> turtle = "żółw" 
>>> out = [] 
>>> for l in turtle: 
... out.append(trans_dict[l] if l in trans_dict else l) 
>>> result = ''.join(out) 
>>> result 
'zolw' 

上面的代碼做了我想要的波蘭語字母，但它很醜：<這樣做的最好方法是什麼？

當然，這樣的翻譯會改變一些單詞的含義，但那是可以的。

Answer 1

unicodedata模塊可用於此目的。 它具有操作Unicode字符名稱的功能：name和lookup。

現在讓我們仔細看看它們。

name('Ż') == 'LATIN CAPITAL LETTER Z WITH DOT ABOVE' 
name('ł') == 'LATIN SMALL LETTER L WITH STROKE' 
lookup('LATIN CAPITAL LETTER Z') == 'Z' 
lookup('LATIN SMALL LETTER L') == 'l' 

看到一種模式？讓我們利用它的功能：

import unicodedata 

def normalize_char(c): 
    try: 
     cname = unicodedata.name(c) 
     cname = cname[:cname.index(' WITH')] 
     return unicodedata.lookup(cname) 
    except (ValueError, KeyError): 
     return c 

normalize_char('ę') == 'e' 
normalize_char('Ę') == 'E' 
normalize_char('ś') == 's' 

它看起來與在角色名字字，刪除它之後進入並反饋給lookup功能應有盡有。
如果沒有'WITH'，則會產生ValueError，如果沒有這樣的名稱的字符，則會引發KeyError，所以函數返回字符不變。

這裏是一個函數，它「翻譯」基於先前的功能的字符串：

def normalize(s): 
    return ''.join(normalize_char(c) for c in s) 

normalize('Móżdżek') == 'Mozdzek' 

所以這種解決方案顯然是非常不錯的，但我會離開低於以前的。

---

的unicodedata模塊還具有承諾類似的結果– normalize與'NFKD'參數（兼容性分解）的函數，但它最錯過字符。

---

如果您有字符數據，您提供的代碼可以改進。

letters={'ł':'l', 'ą':'a', 'ń':'n', 'ć':'c', 'ó':'o', 'ę':'e', 'ś':'s', 'ź':'z', 'ż':'z'} 
trans=str.maketrans(letters) 
result=text.translate(trans) 

Here是一個不錯的表具有字符數據。這是JavaScript，但可以輕鬆用於Python。

---

如果你不介意使用外部庫，你可能想試試Unidecode。它只是爲了這個。