usuwania akcent i znaki specjalne

Question

Powiel możliwe:
What is the best way to remove accents in a python unicode string?
Python and character normalization

Chciałbym usunąć akcenty, włączyć wszystkie znaki na małe i usuwać żadnych cyfr i znaków specjalnych.

Przykład:

Frédér8ic @ -> Frederic

Wniosek:

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

Czy istnieje lepszy sposób to zrobić?

Answer 1

Możliwym rozwiązaniem byłoby

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

Korzystanie NFKD AFAIK to standardowy sposób do normalizacji Unicode, aby przekształcić go do zgodnych znaków. Reszta, aby usunąć znaki specjalne i znaki Unicode pochodzące z normalizacji, można po prostu porównać z string.ascii_letters i usunąć wszystkie znaki spoza tego zestawu.

Answer 2

Czy można przekształcić ciąg w elementy HTML? Jeśli tak, możesz użyć prostego wyrażenia regularnego.

Poniższa wymiana będzie działać w PHP/PCRE (patrz my other answer dla przykładu):

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

Następnie wystarczy przekształcić z powrotem od podmiotów HTML i usunąć non a-Z Char (demo @ CodePad).

Niestety, nie znam Pythona na tyle, aby podać odpowiedź w języku Python.