unicodedata — Unicode 資料庫

此模組提供對 Unicode 字元資料庫 (UCD) 的訪問，該資料庫定義了所有 Unicode 字元的字元屬性。此資料庫中包含的資料是從 UCD 15.1.0 版本 編譯而來的。

該模組使用與 Unicode 標準附件 #44，“Unicode 字元資料庫” 中定義的相同的名稱和符號。它定義了以下函式

unicodedata.lookup(name)

按名稱查詢字元。如果找到具有給定名稱的字元，則返回相應的字元。如果未找到，則引發 KeyError。

在 3.3 版本中更改: 增加了對名稱別名 [1] 和命名序列 [2] 的支援。

unicodedata.name(chr[, default])

返回分配給字元 chr 的名稱，以字串形式返回。 如果沒有定義名稱，則返回 default，或者，如果沒有給出 default，則引發 ValueError。

unicodedata.decimal(chr[, default])

返回分配給字元 chr 的十進位制值，以整數形式返回。 如果沒有定義這樣的值，則返回 default，或者，如果沒有給出 default，則引發 ValueError。

unicodedata.digit(chr[, default])

返回分配給字元 chr 的數字值，以整數形式返回。 如果沒有定義這樣的值，則返回 default，或者，如果沒有給出 default，則引發 ValueError。

unicodedata.numeric(chr[, default])

返回分配給字元 chr 的數值，以浮點數形式返回。 如果沒有定義這樣的值，則返回 default，或者，如果沒有給出 default，則引發 ValueError。

unicodedata.category(chr)

返回分配給字元 chr 的通用類別，以字串形式返回。

unicodedata.bidirectional(chr)

返回分配給字元 chr 的雙向類，以字串形式返回。 如果沒有定義這樣的值，則返回空字串。

unicodedata.combining(chr)

返回分配給字元 chr 的規範組合類，以整數形式返回。 如果沒有定義組合類，則返回 0。

unicodedata.east_asian_width(chr)

返回分配給字元 chr 的東亞寬度，以字串形式返回。

unicodedata.mirrored(chr)

返回分配給字元 chr 的映象屬性，以整數形式返回。 如果該字元在雙向文字中被標識為“映象”字元，則返回 1，否則返回 0。

unicodedata.decomposition(chr)

返回分配給字元 chr 的字元分解對映，以字串形式返回。 如果沒有定義這樣的對映，則返回空字串。

unicodedata.normalize(form, unistr)

返回 Unicode 字串 unistr 的規範化形式 form。 form 的有效值是 ‘NFC’、‘NFKC’、‘NFD’ 和 ‘NFKD’。

Unicode 標準基於規範等效和相容性等效的定義，定義了 Unicode 字串的各種規範化形式。在 Unicode 中，可以使用多種方式表示多個字元。例如，字元 U+00C7（帶有 Cedilla 的拉丁大寫字母 C）也可以表示為序列 U+0043（拉丁大寫字母 C）U+0327（組合 Cedilla）。

對於每個字元，都有兩種規範化形式：規範化形式 C 和規範化形式 D。規範化形式 D (NFD) 也稱為規範分解，並將每個字元轉換為其分解形式。規範化形式 C (NFC) 首先應用規範分解，然後再次組合預組合字元。

除了這兩種形式之外，還有兩種基於相容性等效的附加規範化形式。在 Unicode 中，支援某些通常會與其他字元統一的字元。例如，U+2160（羅馬數字一）實際上與 U+0049（拉丁大寫字母 I）相同。但是，為了與現有字元集（例如 gb2312）相容，它在 Unicode 中受到支援。

規範化形式 KD (NFKD) 將應用相容性分解，即將所有相容性字元替換為它們的等效項。規範化形式 KC (NFKC) 首先應用相容性分解，然後進行規範組合。

即使兩個 Unicode 字串被規範化並且對人類讀者看起來相同，如果一個字串具有組合字元而另一個沒有，它們也可能不比較相等。

unicodedata.is_normalized(form, unistr)

返回 Unicode 字串 unistr 是否為規範化形式 form。 form 的有效值是 ‘NFC’、‘NFKC’、‘NFD’ 和 ‘NFKD’。

在 3.8 版本中新增。

此外，該模組公開以下常量

unicodedata.unidata_version

此模組中使用的 Unicode 資料庫的版本。

unicodedata.ucd_3_2_0

這是一個物件，它具有與整個模組相同的方法，但使用 Unicode 資料庫的 3.2 版本，用於需要此特定版本 Unicode 資料庫的應用程式（例如 IDNA）。

示例

>>> import unicodedata
>>> unicodedata.lookup('LEFT CURLY BRACKET')
'{'
>>> unicodedata.name('/')
'SOLIDUS'
>>> unicodedata.decimal('9')
9
>>> unicodedata.decimal('a')
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
ValueError: not a decimal
>>> unicodedata.category('A')  # 'L'etter, 'u'ppercase
'Lu'
>>> unicodedata.bidirectional('\u0660') # 'A'rabic, 'N'umber
'AN'

腳註