6.5. unicodedata — Unicode数据库¶
此模块提供对Unicode字符数据库（UCD）的访问，该字符数据库定义所有Unicode字符的字符属性。该数据库中包含的数据是从 UCD版本9.0.0 编译的。
该模块使用与Unicode标准附录#44，“Unicode字符数据库” 定义的相同的名称和符号。它定义了以下功能：
-
unicodedata.name(chr[, default])¶ 返回分配给字符 chr 的名称作为字符串。如果没有定义名称，则返回 default，或者如果未给出，则引发
ValueError。
-
unicodedata.decimal(chr[, default])¶ 将分配给字符 chr 的十进制值作为整数返回。如果没有定义这样的值，则返回 default，或者如果没有给出，则引发
ValueError。
-
unicodedata.digit(chr[, default])¶ 将分配给字符 chr 的数字值作为整数返回。如果没有定义这样的值，则返回 default，或者如果没有给出，则引发
ValueError。
-
unicodedata.numeric(chr[, default])¶ 返回分配给字符 chr 的数值为float。如果没有定义这样的值，则返回 default，或者如果没有给出，则引发
ValueError。
-
unicodedata.category(chr)¶ 将分配给字符 chr 的一般类别返回为字符串。
-
unicodedata.bidirectional(chr)¶ 返回分配给字符 chr 的双向类作为字符串。如果没有定义这样的值，则返回一个空字符串。
-
unicodedata.combining(chr)¶ 返回分配给字符 chr 的规范组合类作为整数。如果未定义组合类，则返回
0。
-
unicodedata.east_asian_width(chr)¶ 将分配给字符 chr 的东亚宽度返回为字符串。
-
unicodedata.mirrored(chr)¶ 将分配给字符 chr 的镜像属性返回为整数。如果字符在双向文本中被标识为“镜像”字符，则返回
1，否则返回0。
-
unicodedata.decomposition(chr)¶ 返回分配给字符 chr 的字符分解映射作为字符串。如果未定义此类映射，则返回空字符串。
-
unicodedata.normalize(form, unistr)¶ 返回Unicode字符串 unistr 的正常格式 form。 form 的有效值是’NFC’，’NFKC’，’NFD’和’NFKD’。
Unicode标准基于规范等价和兼容性等价的定义来定义Unicode字符串的各种规范化形式。在Unicode中，可以以各种方式表示几个字符。例如，字符U + 00C7（LATIN CAPITAL LETTER C WITH CEDILLA）也可以表示为序列U + 0043（拉丁资本信函C）U + 0327（组合CEDILLA）。
对于每个字符，有两种正常形式：正常形式C和正常形式D.正常形式D（NFD）也称为规范分解，并且将每个字符转换为其分解形式。正常形式C（NFC）首先应用规范分解，然后再次组成预组合字符。
除了这两种形式之外，还有两种基于兼容性等价的附加正常形式。在Unicode中，支持某些字符，通常会与其他字符统一。例如，U + 2160（ROMAN NUMERAL ONE）与U + 0049（LATIN CAPITAL LETTER I）真的是一样的。但是，为了与现有字符集（例如gb2312）兼容，它支持Unicode。
正常形式KD（NFKD）将应用兼容性分解，即用其等同物替换所有兼容性字符。正常形式KC（NFKC）首先应用兼容性分解，随后是规范组合。
即使两个unicode字符串被归一化并且对人类读者看起来相同，如果一个具有组合字符，另一个不是，则它们可能不会相等。
此外，模块还会显示以下常量：
-
unicodedata.unidata_version¶ 此模块中使用的Unicode数据库的版本。
-
unicodedata.ucd_3_2_0¶ 这是一个与整个模块具有相同方法的对象，但是对于需要此特定版本的Unicode数据库（例如IDNA）的应用程序，则使用Unicode数据库版本3.2。
例子：
>>> 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 ?
ValueError: not a decimal
>>> unicodedata.category('A') # 'L'etter, 'u'ppercase
'Lu'
>>> unicodedata.bidirectional('\u0660') # 'A'rabic, 'N'umber
'AN'
脚注
| [1] |
| [2] |