You are here:  Home » Python » unicodedata- Unicode数据库详解(14)Python语言(必读进阶学习教程)(参考资料)

此模块提供对Unicode字符数据库(UCD)的访问,该数据库定义所有Unicode字符的字符属性。此数据库中包含的数据是从UCD版本11.0.0编译的。

该模块使用与Unicode标准附录#44 “Unicode字符数据库”定义的相同名称和符号。它定义了以下功能:

unicodedata.lookup名字
按名称查找字符。如果找到具有给定名称的字符,则返回相应的字符。如果没有找到,KeyError则被提出。

版本3.3中已更改:已添加对名称别名[1]和命名序列[2]的支持

unicodedata.namechr [默认
返回分配给字符chr的名称作为字符串。如果未定义名称,则返回default,否则,如果未给出,ValueError则引发。
unicodedata.decimalchr [默认
将分配给字符chr的十进制值作为整数返回。如果未定义此类值,则返回default,否则,如果未给出,ValueError则引发此值。
unicodedata.digitchr [默认
将分配给字符chr的数字值作为整数返回。如果未定义此类值,则返回default,否则,如果未给出,ValueError则引发此值。
unicodedata.numericchr [默认
返回分配给字符chr的数值为float。如果未定义此类值,则返回default,否则,如果未给出, ValueError则引发此值。
unicodedata.categorychr 
返回分配给字符chr的常规类别作为字符串。
unicodedata.bidirectionalchr 
返回分配给字符chr的双向类作为字符串。如果未定义此类值,则返回空字符串。
unicodedata.combiningchr 
返回分配给字符chr的规范组合类 作为整数。0如果未定义组合类,则返回。
unicodedata.east_asian_widthchr 
返回分配给字符chr的东亚宽度为字符串。
unicodedata.mirroredchr 
将分配给字符chr的镜像属性作为整数返回。返回1是否在双向文本中将字符标识为“镜像”字符,0否则返回。
unicodedata.decompositionchr 
返回分配给字符chr的字符分解映射 作为字符串。如果未定义此类映射,则返回空字符串。
unicodedata.normalizeformunistr 
返回Unicode字符串unistr的正常表单形式表单的有效值为 “NFC”,“NFKC”,“NFD”和“NFKD”。

Unicode标准基于规范等价和兼容性等效的定义定义了Unicode字符串的各种规范化形式。在Unicode中,可以以各种方式表示多个字符。例如,字符U + 00C7(带有CEDILLA的LATIN CAPITAL LETTER C)也可以表示为序列U + 0043(LATIN CAPITAL LETTER C)U + 0327(COMBINING CEDILLA)。

对于每个字符,有两种正常形式:正常形式C和正常形式D.正规形式D(NFD)也称为规范分解,并将每个字符转换为其分解形式。普通形式C(NFC)首先应用规范分解,然后再次组合预组合字符。

除了这两种形式之外,还有两种基于兼容性等效的其他常规形式。在Unicode中,支持某些字符,这些字符通常与其他字符统一。例如,U + 2160(ROMAN NUMERAL ONE)与U + 0049(LATIN CAPITAL LETTER I)完全相同。但是,它支持Unicode以与现有字符集(例如gb2312)兼容。

普通形式KD(NFKD)将应用兼容性分解,即将所有兼容性字符替换为其等效字符。正常形式KC(NFKC)首先应用兼容性分解,然后是规范组合物。

即使两个unicode字符串被规范化并且看起来与人类读者相同,如果一个具有组合字符而另一个没有,则它们可能无法相等。

此外,该模块公开以下常量:

unicodedata.unidata_version
此模块中使用的Unicode数据库的版本。
unicodedata.ucd_3_2_0
这是一个与整个模块具有相同方法的对象,但对于需要此特定版本的Unicode数据库(如IDNA)的应用程序,则使用Unicode数据库版本3.2。

例子:

>>> import unicodedata 
>>> unicodedata.lookup('LEFT CURLY BRACKET') 
'{' 
>>> unicodedata.name('/') 
'SOLIDUS' 
>>> unicodedata.decimal('9') 
9 
>>> unicodedata.decimal('a') 
Traceback (most recent call last): 
    File "<stdin>", line 1, in <module> 
ValueError: not a decimal 
>>> unicodedata.category('A') # 'L'etter, 'u'ppercase 
'Lu' 
>>> unicodedata.bidirectional('\u0660') # 'A'rabic, 'N'umber 
'AN'