cunidecode 0.0.2

unicode文本的有损ascii音译

通常情况下，您有Unicode格式的文本数据，但是您需要 用ascii表示。例如，当与遗留代码集成时 不支持Unicode，也不便于在美国输入非罗马名称 键盘，或从 人类可读的unicode字符串，应该还是可以理解的。 （一个流行的例子是从一篇文章中创建一个url slug 标题）。

在大多数示例中，您可以将unicode字符表示为 “？？？“或”\15ba\15a0\1610“，提到两个极端情况。但那是 对一个真正想读课文的人来说几乎没用。

unidecode提供了一条中间道路：函数unidecode（）采用 Unicode数据并尝试用ASCII字符（即 在0x00和0x7f之间的通用可显示字符，其中 当两个字符集之间的映射被选择为 一个拥有美国键盘的人会选择什么。

生成的ascii表示的质量各不相同。对于语言 西方血统应该介于完美和美好之间。另一方面 音译（即用罗马字母表示发音 在其他书写系统中由文本表达）如 中文、日文或韩文是一个非常复杂的问题，这个图书馆 甚至都不想解决这个问题。它在上下文无关的地方画线 逐字符映射。一个好的经验法则是 你翻译的剧本是拉丁字母，越差 音译。

注意，这个模块通常比简单的 从字符中剥离重音（可以在python中使用 内置功能）。它基于手动调整的字符映射 示例还包含符号和非拉丁语的ASCII近似。 字母表。

这是Paul Logston的Unidecode的C端口<；code@logston.me>；

unidecode（由tomaz solc提供）是text：：unidecode perl模块的python端口 Sean M.Burke<；sburke@cpan.org>；及更高版本

模块内容

该模块导出一个采用unicode对象（python）的函数 2.x）并返回字符串：

>>> from cunidecode import unidecode
>>> unidecode(u'ko\u017eu\u0161\u010dek')
'kozuscek'
>>> unidecode(u'30 \U0001d5c4\U0001d5c6/\U0001d5c1')
'30 km/h'
>>> unidecode(u"\u5317\u4EB0")
'Bei Jing '

要求

python 2.x>；=2.6和一个c编译器/链接器。

Unidecode的这个实现不在外部“解码”字符 基本的多语言平面。 使用“宽”unicode字符的python构建可能会导致分段 如果试图解码BMP之外的字符，则为错误。

不支持“窄”生成的代理项对编码。

安装

通过运行 这些命令：

python setup.py install
python setup.py test

来源

您可以使用：

git clone git@github.com:logston/cunidecode.git

支架

问题、错误报告、有用的代码位和Unidecode建议 应发送到tomaz.solc@tablix.org

问题，错误报告，有用的代码位，以及对cUnidecode的建议 应发送到code@logston.me

版权所有

原始字符音译表：

版权所有2001，Sean M.Burke<；sburke@cpan.org>；，保留所有权利。

python代码和unidecode的后续添加：

版权所有2014，tomaz solc<；tomaz.solc@tablix.org>；

C代码和随后添加到C代码：

版权所有2014，paul logston<；code@logston.me>；

这个程序是免费软件；你可以重新发布和/或修改它 根据自由党公布的GNU通用公共许可条款 软件基础；许可证的版本2，或（由您选择） 任何更新版本。

这个程序的发布是希望它能有用，但是没有 任何警告甚至没有对适销性或 适合某一特定目的。参见GNU通用公共许可证 更多细节。

你应该收到一份GNU通用公共许可证的副本 使用此程序；如果没有，请写信给自由软件基金会，51 富兰克林街，五楼，波士顿，马萨诸塞州02110-1301，美国。 分发此dist中的文档是希望 有用，但没有任何保证；甚至没有 适销性为特定目的的适销性或适合性