unicodedata.normalize(form, unistr)是如何工作的？

Question

在API文档中，http://docs.python.org/2/library/unicodedata.html#unicodedata.normalize，上面写着：

返回Unicode字符串unistr的正常形式form。有效的形式值有‘NFC’，‘NFKC’，‘NFD’和‘NFKD’。

这个文档说得有点模糊，能不能给这些有效的值解释一下，并举一些例子呢？

Answer 1

我觉得文档写得挺清楚的，不过这里有几个代码示例：

from unicodedata import normalize

print '%r' % normalize('NFD', u'\u00C7')  # decompose: convert Ç to "C + ̧"
print '%r' % normalize('NFC', u'C\u0327') # compose: convert "C + ̧" to Ç

这两种'D'（代表分解）形式会把一个组合字符（比如 ä）转换成两个字符（a + 两个点）。而这两种'C'（代表组合）形式则是反过来的操作。

这两种"K"形式是用来转换那些为了兼容性而添加到Unicode中的字符。举个例子，为了支持那些不能在符号周围画圈的软件，有一组“带圈数字”，比如 ①（Unicode编号是2460）。当我们对它进行标准分解（NFD）时，其实并没有任何变化：

print '%r' % normalize('NFD', u'\u2460')     # u'\u2460'

但是，兼容性分解（NFKD）会返回相应的“兼容”字符：

print '%r' % normalize('NFKD', u'\u2460')    # 1

想了解更多细节，可以查看这个链接：http://en.wikipedia.org/wiki/Unicode_equivalence。