删除重音和特殊字符[重复]

Question

可能重复：
What is the best way to remove accents in a python unicode string?
Python and character normalization

我想删除重音符号，将所有字符转为小写，并删除所有数字和特殊字符。

例子：

Frédér8ic@ --> 弗雷德里克

建议：

def remove_accents(data):
    return ''.join(x for x in unicodedata.normalize('NFKD', data) if \
    unicodedata.category(x)[0] == 'L').lower()

有没有更好的方法来做到这一点？

Answer 1

你能把字符串转换成 HTML 实体吗？如果是这样，您可以使用简单的正则表达式。

以下替换可以在 PHP/PCRE 中使用（参见my other answer 示例）：

'~&([a-z]{1,2})(?:acute|cedil|circ|grave|lig|orn|ring|slash|th|tilde|uml);~i' => '$1'

然后简单地从 HTML 实体转换回来并删除任何非 a-Z 字符 (demo @ CodePad)。

抱歉，我对 Python 的了解不够，无法提供 Python 式的答案。

Answer 2

一个可能的解决方案是

def remove_accents(data):
    return ''.join(x for x in unicodedata.normalize('NFKD', data) if x in string.printable).lower()

使用 NFKD AFAIK 是标准化 unicode 以将其转换为兼容字符的标准方法。其余的要删除源自规范化的特殊字符数字和 unicode 字符，您可以简单地与 string.ascii_letters 进行比较并删除任何不在该集合中的字符。