在Python中检查unicode字符串是否为NFC的有效方法？

Question

我想检查一个字符串是否已经是NFC形式。目前我有：

unicodedata.normalize('NFC', s) == s

我这样做是为了大量的字符串，所以我想有效率。上述方法似乎是浪费。它转换为NFC，然后进行字符串比较。在

有没有更有效的方法？我考虑过：

^{pr2}$

这样可以避免字符串比较。但我不确定这是否总是正确的。如果NFC规范化始终更改非NFC字符串的长度，则此方法有效。这是一个有效的假设吗？在

还有别的主意吗？在

Answer 1

正常化不一定会改变字符串的长度。例如，'Ω'（U+2126）在NFC之后变成{}（U+03A9）。在

Unicode数据库中有一个规范化"quick check" property，用于测试字符是否已经被规范化，但不幸的是，Python的unicodedata模块没有公开它。但是，unicodedata.normalize()确实使用这个属性来避免做任何额外的工作，如果字符串已经规范化，它只返回输入字符串。在

要访问这个属性，您需要自己从Unicode字符数据库编译一个表，或者使用一个更广泛的Unicode库和Python绑定（比如PyICU）。在