如何处理辩证标记与UnicodeUtils的结合？

Question

我试图将空格插入到IPA字符的字符串中，例如将ɔ̃wɔ̃tɨ转换为ɔ̃ w ɔ̃ t ɨ。使用拆分/连接是我的第一个想法：

s = ɔ̃w̃ɔtɨ
s.split('').join(' ') #=> ̃ ɔ w ̃ ɔ p t ɨ

正如我通过研究结果所发现的，实际上，带有对话词的字母被编码为两个字符。经过一些研究，我找到了UnicodeUtils模块，并使用了each_grapheme方法：

UnicodeUtils.each_grapheme(s) {|g| g + ' '} #=> ɔ ̃w ̃ɔ p t ɨ

这是很好的工作，除了倒置的短尾标记。代码将̑a转换为̑ a。我尝试了标准化(UnicodeUtils.nfc，UnicodeUtils.nfd)，但没有成功。我不知道为什么each_grapheme方法对这个特殊的对话框标记有问题，但我注意到在gedit中，breve也被视为一个单独的字符，而不是倾斜体、重音等。因此，我的问题是:是否有一种简单的规范化方法，即将Latin Small Letter A和Combining Inverted Breve组合成Latin Small Letter A With Inverted Breve

Answer 1

我理解您的问题涉及Ruby，但我认为问题与Python的问题差不多。一个简单的解决方案是显式地测试组合的指示符号：

import unicodedata
liste=[]
s = u"ɔ̃w̃ɔtɨ"
comb=False
prec=u""
for char in s:
    if unicodedata.combining(char):
        liste.append(prec+char)
        prec=""
    else:
        liste.append(prec)
        prec=char
liste.append(prec)
print " ".join(liste)
>>>>  ɔ̃  w̃  ɔ t ɨ