去除重音和特殊字符

可能重複：
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，把所有字符轉換爲小寫，並刪除任何數字和特殊字符。

例子：

Frédé[email protected] - >弗雷德裏克

建議：

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

有沒有什麼更好的方法來做到這一點？

來源

2012-01-01 Fred

你能編輯你的答案，包括一些期望的輸入和輸出的例子嗎？ – 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

一個可能的解決辦法是

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

使用NFKD據我所知是正常化的unicode將其轉換爲兼容字符的標準方式。剩下的就是刪除標準化後的特殊字符和unicode字符，你可以簡單地比較一下string.ascii_letters並刪除那些不在那個字符集中的字符。

來源

2012-01-01 19:41:28 Abhijit

非常好，謝謝！ – Fred 2012-01-01 19:45:41

但是該命令中的字符串變量是什麼？你在哪裏提到'如果x在string.ascii_letters' – Falcoa 2017-01-17 12:33:31

@Falcoa是可行的。還有另一種解決方案 def remove_accents（self，data）： return unicodedata.normalize（'NFKD'，data）.encode（'ASCII'，'ignore'） – lesimoes 2017-04-19 15:32:27

你可以將字符串轉換爲HTML實體嗎？如果是這樣，那麼你可以使用一個簡單的正則表達式。

下更換將在PHP/PCRE（見my other answer爲例）工作：

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

然後簡單地從HTML實體轉換回並刪除所有非a-Z CHAR（demo @ CodePad）。

對不起，我不知道Python足以提供Pythonic答案。

來源

2012-01-01 19:13:54

我不確定正則表達式比UnicodeData更有效 – Fred 2012-01-01 19:36:31

@ user1125315：我也不確定，但它正確地通過了您的輸入/輸出測試。儘管嘗試其他方法，但'unidecode'庫似乎很棒。 – 2012-01-01 19:41:52

去除重音和特殊字符

回答

相關問題