python - unicodedata.normalize(form, unistr) 是如何工作的？

Question

在 API 文档上，http://docs.python.org/2/library/unicodedata.html#unicodedata.normalize。它说

返回Unicode 字符串unistr的范式。表单的有效值为“NFC”、“NFKC”、“NFD”和“NFKD”。

文档比较模糊，有人可以valid values用一些例子来解释吗？

Answer 1

我发现文档很清楚，但这里有一些代码示例：

from unicodedata import normalize

print '%r' % normalize('NFD', u'\u00C7')  # decompose: convert Ç to "C + ̧"
print '%r' % normalize('NFC', u'C\u0327') # compose: convert "C + ̧" to Ç

两种 'D' (=decompose) 形式都将单个组合字符（如ä）转换为两个字符（a+ 两个点）。两种“C”（=compose）形式都相反。

出于兼容性目的，这两种“K”形式用于转换添加到 Unicode 的字符。例如，为了支持不能在符号周围画圆圈的软件，有一组“圆圈数字”，如①（unicode number 2460）。当我们对其应用规范分解 (NFD) 时，它什么也不做：

print '%r' % normalize('NFD', u'\u2460')     # u'\u2460'

但是，兼容性分解（NFKD）将返回相应的“兼容”字符：

print '%r' % normalize('NFKD', u'\u2460')    # 1

有关更多详细信息，请参阅http://en.wikipedia.org/wiki/Unicode_equivalence。