的Unicode轉換爲ASCII（如果可能）

有可能簡化而不丟失太多的ASCII一些Unicode字符。的Unicode轉換爲ASCII（如果可能）

實施例：

>>> unicodedata.name(u'-') 
'HYPHEN-MINUS' 

>>> unicodedata.name(u'−') 
'MINUS SIGN'

在上述情況下，我更喜歡「HYPHEN-MINUS」，因爲「減號」不是ASCII。

我可以很容易地寫我自己的翻譯，但我不喜歡重新發明輪子。

有沒有簡單的方法來翻譯特殊的Unicode字符爲簡單的ASCII字符？

我知道這是猜測，只適用於某些unicode字符，但在這種情況下沒關係。

來源

2017-04-12 guettli

最簡單的方法：使用映射像你這樣，但不要重新發明輪子。改用[Unidecode]（https://pypi.python.org/pypi/Unidecode）（是的，它將MINUS SIGN映射到HYPHEN-MINUS）。 –

有關於Unicode字符inconsistnecies這裏命名有用的信息： Python library to translate multi-byte characters into 7-bit ASCII in Python 這裏： Translating multi-byte characters into 7-bit ASCII in Python

但是，爲了回答你的questionm它看起來像有用於轉換多字節Unicode轉換成ASCII沒有標準庫。如果您還沒有自己的解決方案，請參閱第二個鏈接。

來源

2017-04-12 11:02:53

這可能不是完美的答案。 Unicode聯盟已經草案TR36來處理unicode中的字符相似性（不僅僅是ASCII）。

您可以搜索Python模塊，開發商作出映射他們最好的努力。類似於ascii字符和符號unicode字符can be found here的概念證明同形文字攻擊。（由於字體問題，某些字符或符號可能會被瀏覽器顯示爲方框）

您可以使用這些python confusable homoglyphs包。該文檔顯示爲here。

from confusable_homoglyphs import confusables 
confusables.is_confusable.is_confusable("-")

結果

[{ '同形字'：[{ 'C'： ' - '， 'N'： 'HYPHEN'}，{ 'C'： ' - '，「N '： 'NON-BREAKING HYPHEN'}，{'c'：' - '，'n'：'DASH'}，{'c'：' - '， 'n'：'EN DASH'}， { 'C'： '﹘'， 'N'： '小EM DASH'}，{ 'C'： '\ u200e \ u200e'， 'N'： '阿拉伯語句號'}，{ 'C'： '⁃'，'n'：'HYPHEN BULLET'}，{'c'：'˗'，'n'：'MODIFIER LETTER MINUS SIGN'}，{'c'：' - '， 'n'： '減號'}，{ 'C'： '➖'， 'N'： 'HEAVY減號'}，{ 'C'： 'Ⲻ'， 'N'： '科普特大寫字母方言-P NI'}]， '別名'： '共同'， '字符'： ' - '}]

現在，你需要決定哪個是你最好重新映射。如果您想從庫中獲取一些概念，請查看源代碼。

來源

2017-04-12 12:53:01 mootmoot

非常感謝您的回答。我以前並不知道「Homoglyph」這個詞。這和python包的鏈接有很大的幫助。順便說一句，我將它添加到我的列表「加入softwarerecs和stackoverflow」：https：//github.com/guettli/join-stackoverflow-and-softwarerecs/blob/master/README。md – guettli

根據你的觀點，這是不是「完美」的答案？ – guettli

@guettli因爲你要求一個現成的unicode ascii映射器。 Homoglphy-confusables作者將盡最大努力繪製大多數角色，需要持續的反饋和貢獻才能使其變得更好。 – mootmoot

的Unicode轉換爲ASCII（如果可能）

回答

相關問題