用ASCII替换特殊字符

Question

有没有什么库可以把特殊字符替换成ASCII字符，比如：

"Cześć"

变成：

"Czesc"

当然，我可以自己创建一个映射表：

{'ś':'s', 'ć': 'c'}

然后用一些替换的函数。但是我不想把所有的对应关系都写死在我的程序里，如果有现成的函数可以做到这一点就好了。

Answer 1

你可以通过以下方式完成大部分工作：

import unicodedata

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

不过，有一些带重音的拉丁字母是无法拆分成一个ASCII字母加上组合符号的。你需要手动处理这些字母。它们包括：

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

Answer 2

我觉得这个叫做 unidecode 的包效果最好：

from unidecode import unidecode
text = "Björn, Łukasz and Σωκράτης."
print(unidecode(text))
# ==> Bjorn, Lukasz and Sokrates.

你可能需要先安装这个包：

pip install unidecode

---

上面这个方法比其他答案提到的用 unicodedata.normalize() 来编码（和解码）输出要简单而且更可靠。

# This doesn't work as expected:
ret = unicodedata.normalize('NFKD', text).encode('ascii', 'ignore')
print(ret)
# ==> b'Bjorn, ukasz and .'
# Besides not supporting all characters, the returned value is a
# bytes object in python3. To yield a str type:
ret = ret.decode("utf8") # (not required in python2)

Answer 3

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

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

当然可以！请把你想要翻译的内容发给我，我会帮你用简单易懂的语言解释清楚。