如何在python中将修饰的拉丁文unicode字符转换为纯拉丁文

Question

Unicode指定了一组可以对拉丁文字符进行修改。如何将这些unicode字符转换为python中的普通拉丁字符？

说清楚点，我不是在问如何去掉字母中的重音。我想问的是，如何转换语言上相同含义的东西，但是一些装饰的显示，比如负的，包围的，封装在一个盒子类型的显示器中。

例如，我如何转换

°C

至

原°c

(剥离这些非语言字符将是一个单独的任务)

Answer 1

这并不完美，但您要寻找的是类似于Unicode分解的东西。Unicode规范化和分解的概念本身就是一本书。

幸运的是，对于一些快速和肮脏的东西，Python有这个为你内置的！

>>> import unicodedata
>>> unicodedata.normalize('NFKC', '°° c')
'°ORIGINAL° c'

Answer 2

最简单的方法是自己制作一个转换图。

类似于：

conversion_map = {'': 'o', '': 'r', '': 'i'}

我不知道有一种简单的逻辑方法来转换这些价值观..。但有人可以纠正我。

你也可以在这里寻找其他的想法。拉丁文-1至ascii

Answer 3

即使我接受了Alyssa的回答，我也想提供一个解决我真正想要的东西的替代方案。如果我只保留字母字符，我不仅去掉了修饰符字符，而且去掉了各种非字母字符(比如表情符号和数学符号)。

我担心我最终会去掉汉字或其他非拉丁字符，但显然所有语言的字符都被unicode标准认为是字母。

# only keep letters, which apparently includes all kinds of languages https://www.compart.com/en/unicode/category/Lo
keep_categories = ('Ll', 'Lm', 'Lo', 'Lt', 'Lu', 'Zs')
filtered_string  = ' '.join(''.join(filter(lambda c: unicodedata.category(c) in keep_categories, w)) for w in words)