登录
推荐 文章 Go 技术 课程 下载 专题 AI
首页 >  文章 >  python教程

Python unicodedata.decomposition 怎样读取字符分解映射与兼容标签

来源:17golang原创

时间:2026-11-18 04:55:22 474浏览 收藏

unicodedata.decomposition(ch) 查询一个字符的分解映射,返回由十六进制码点和可选兼容标签组成的字符串;没有定义映射时返回空字符串。标签如 表示兼容分解类型,不是码点。读取时应先分离标签,再把剩余项按十六进制转成整数。这个接口用于查看字符属性,不会直接把整段文字变成规范化结果。

官方文档:https://docs.python.org/3/library/unicodedata.html#unicodedata.decomposition

先把单字符映射与文本转换分开

设想导入程序里出现了外观看起来相近、码点却不同的字符。诊断记录需要回答“这个字符在数据库中有哪些分解信息”,而保存原文的业务不能因为查到兼容映射就立刻替换字符。先查询属性,再由业务决定是否采用某种规范化形式,会更容易解释处理结果。

import unicodedata

# 查看全角字母的映射字符串,保留原字符,不直接替换导入内容。
character = "R"
mapping = unicodedata.decomposition(character)
print(repr(mapping))

这里的全角 R 对应的兼容类型是 wide,映射码点为 U+0052。映射中的数字是字符编号的十六进制写法,不是要原样显示的文本。无类型标签的非空映射表示规范分解映射;有标签的映射属于兼容分解。

单字符分解映射中的兼容标签与码点字段
结构说明图:字符输入关联映射查询,映射字符串由可选标签和十六进制码点项构成。关系线表示字段组成,不表示程序执行顺序。

解析标签和十六进制码点

拆分后不能直接对所有项调用 int。带尖括号的首项是标签,必须独立保存。以下函数只整理映射字段,不递归分解、不重新排序组合字符,也不执行字符合成:

import unicodedata


def inspect_mapping(character):
    # 入口只接收一个Python字符,避免空串或整段文本被误传给查询接口。
    if not isinstance(character, str):
        raise TypeError("character必须是字符串")
    if len(character) != 1:
        raise ValueError("character必须只包含一个字符")

    raw = unicodedata.decomposition(character)
    fields = raw.split()
    tag = None
    if fields and fields[0].startswith("

字典中的 raw_mapping 方便追查数据库原始字段;codepoints 便于后续格式化;tag 保存分解类型。has_mapping 应由原始字符串是否为空来决定,不能只看 tag 是否为空,因为规范分解映射也没有兼容标签。

字段形态含义记录建议
空字符串未定义该分解映射has_mapping为False
仅有码点项规范分解映射tag为空,保留码点列表
标签加码点项兼容分解映射标签独立保存

为输入与空映射保留明确状态

生产接口最好在自己的入口约束参数。函数的单字符约束与“一个可见字形”并不等价:视觉上的一个字形可能由多个码点组成。上面的封装拒绝长度不为一的字符串;处理整段文本时,应逐字符调用,而不是把整个字段传给 decomposition。

空映射不是失败标记,也不说明字符无效。它只说明该查询没有返回分解映射。尤其不能据此推断 normalize 一定不改变这个字符;规范化算法还包括算法化处理等规则,不能靠这一个属性字段替代。

输入约束与分解诊断记录之间的静态关系
结构说明图:输入约束分组包含字符串和单字符要求;诊断记录分组分别保留原字符、原始映射、映射状态和Unicode版本。保留这些信息便于解释结果,图示不是运行证据。

把诊断记录接入文本处理

一条可解释的诊断记录可以同时保存原字符、映射字段和 unicodedata.unidata_version。记录版本是为了理解字符数据库差异,不需要把某个 Python 版本号硬编码成所有机器上的事实。若业务要真正转换整段文本,则明确选择 NFC、NFD、NFKC 或 NFKD,再调用 normalize,转换后的文本另外保存。

import unicodedata

# 使用前一节的inspect_mapping函数,记录属性信息而非覆盖原文。
text = "RM"
records = [inspect_mapping(character) for character in text]
diagnostic = {
    "unicode_version": unicodedata.unidata_version,
    "records": records,
}
print(diagnostic)

对于全文兼容规范化,是否折叠宽度、样式等差异应由字段语义决定。分解属性查询本身不能保证文本已经规范化,也不能承诺两个字符串在业务上可以视作同一个值。上面的代码为原创使用示例,未作为本机执行结果展示。

标签能否直接删除后拼成最终文本?

可以据码点查看映射对应的字符,但这种拼接仅展示直接映射,不能冒充完整规范化结果。需要规范化时使用标准库normalize。

没有兼容标签是不是没有映射?

不是。无标签的非空映射是规范分解映射,要同时看原始映射是否为空。

查询会不会改变原字符串?

不会。它返回属性字符串。程序是否把别的文本写回原字段,是调用方另外执行的行为。

Unicode属性说明:https://www.unicode.org/reports/tr44/

声明:本文转载于:17golang原创 如有侵犯,请联系study_golang@163.com删除
相关阅读
更多>
最新阅读
更多>
课程推荐
更多>