Ersetzen von Sonderzeichen mit ASCII-Äquivalent

Question

Gibt es eine lib, die Sonderzeichen in ASCII-Äquivalente ersetzen können, wie:

"Cześć" 

zu:

"Czesc" 

ich natürlich kann Karte erstellen:

{'ś':'s', 'ć': 'c'} 

und verwenden Sie einige ersetzen Funktion. Aber ich möchte nicht alle Äquivalente in mein Programm schreiben, wenn es eine Funktion gibt, die das schon tut.

Answer 1

#!/usr/bin/env python 
# -*- coding: utf-8 -*- 

import unicodedata 
text = u'Cześć' 
print unicodedata.normalize('NFD', text).encode('ascii', 'ignore') 

Answer 2

Sie können die meisten aus dem Weg, indem Sie:

import unicodedata 

def strip_accents(text): 
    return ''.join(c for c in unicodedata.normalize('NFKD', text) if unicodedata.category(c) != 'Mn') 

Leider gibt es lateinische Buchstaben mit Akzenten, die die Kombination von Markierungen + kann nicht in eine ASCII-Buchstaben zerlegt werden. Sie müssen sie manuell behandeln. Dazu gehören:

• Æ → AE
• Ð → D
• Ø → O
• Þ → TH
• ß → ss
• æ → ae
• ð → d
• ø → 0
• th → th
• Œ → OE
• œ → oe
• ƒ → f

Answer 3

Die unicodedata.normalize Gimmick kann am besten als Halb assci beschrieben. Hier ist eine robust approach, die eine Karte für Buchstaben ohne Dekomposition enthält. Notieren Sie die zusätzlichen Karteneinträge in den Kommentaren.

Answer 4

Versuchen Sie das trans Paket. Sieht sehr vielversprechend aus. Unterstützt Polnisch.

Answer 5

Ich habe es auf diese Weise:

POLISH_CHARACTERS = { 
    50309:'a',50311:'c',50329:'e',50562:'l',50564:'n',50099:'o',50587:'s',50618:'z',50620:'z', 
    50308:'A',50310:'C',50328:'E',50561:'L',50563:'N',50067:'O',50586:'S',50617:'Z',50619:'Z',} 

def encodePL(text): 
    nrmtxt = unicodedata.normalize('NFC',text) 
    i = 0 
    ret_str = [] 
    while i < len(nrmtxt): 
     if ord(text[i])>128: # non ASCII character 
      fbyte = ord(text[i]) 
      sbyte = ord(text[i+1]) 
      lkey = (fbyte << 8) + sbyte 
      ret_str.append(POLISH_CHARACTERS.get(lkey)) 
      i = i+1 
     else: # pure ASCII character 
      ret_str.append(text[i]) 
     i = i+1 
    return ''.join(ret_str) 

wenn sie ausgeführt werden:

encodePL(u'ąćęłńóśźż ĄĆĘŁŃÓŚŹŻ') 

es Ausgabe wie folgt produzieren:

u'acelnoszz ACELNOSZZ' 

Dies funktioniert gut für mich -; D