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

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。

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/
Java Files.isHidden 怎样判断文件是否为隐藏文件
- 上一篇
- Java Files.isHidden 怎样判断文件是否为隐藏文件
- 下一篇
- Python tarfile.TarFile.extractfile 怎样读取归档内文件
-
- 文章 · python教程 | 1天前 | python · Python decimal compare_total 全序比较
- Python Decimal.compare_total 怎样区分数值相等的不同表示
- 331浏览 收藏
-
- 文章 · python教程 | 1天前 |
- Python AST 怎样提取节点对应的原始源码片段
- 261浏览 收藏
-
- 文章 · python教程 | 1天前 | python · 类型系统 · Python types.resolve_bases __mro_entries__
- Python types.resolve_bases 怎样展开动态基类占位对象
- 108浏览 收藏
-
- 文章 · python教程 | 1天前 | Python SQLite sqlite3 getlimit Connection.setlimit
- Python sqlite3.Connection.setlimit 怎样限制单个连接的资源上限
- 247浏览 收藏
-
- 文章 · python教程 | 1天前 | SQLite · Python教程 · Python SQLite sqlite3 complete_statement 多语句脚本 CREATE TRIGGER
- Python sqlite3.complete_statement 判断多语句输入完整性的处理方案
- 140浏览 收藏
-
- 文章 · python教程 | 1天前 | python · pathlib · Python pathlib walk_up relative_to
- Python pathlib.relative_to 怎样避免无关路径抛错
- 256浏览 收藏
-
- 文章 · python教程 | 1天前 | python · Python Property 描述符 inspect.getattr_static 静态属性读取
- Python 怎样读取属性定义而不触发 property
- 299浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 1087次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 1086次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 1250次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 1196次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 1039次使用
-
- go格式“占位符”输入输出 类似python的input
- 2023-01-19 346浏览
-
- Golang如何调用Python代码详解
- 2023-01-07 235浏览
-
- Go 1.27 Unicode 17 升级影响什么:字符分类变化与业务校验的回归边界
- 2026-09-03 185浏览
-
- HTTP 的 response 中的响应体和头部是分开发送的吗?
- 2023-01-28 387浏览
-
- B站等视频网站的弹幕用的是 websocket 还是轮询?
- 2023-02-16 447浏览

