Python unicode规范化: is it correct to translate u'\xb 4' to u' \u0301'

Question

看下面的片段:

>>> import unicodedata
>>> from unicodedata import normalize, name

>>> normalize('NFKD', u'\xb4')
u' \u0301'

>>> normalize('NFKD', u'a\xb4a')
u'a \u0301a'

>>> normalize('NFKC', u'a\xb4a')
u'a \u0301a'

>>> name(u'\xb4'), name(u'\u0301')
('ACUTE ACCENT', 'COMBINING ACUTE ACCENT')

我试图了解将 u'\xb4' 转换为 u'\u0301' 的行为是否正确。为什么它用空格填充组合的尖音符？为什么它会翻译 u\xb4？

在 fileformat我们看到 ACUTE ACCENT 曾经被称为 SPACING ACUTE。我想，这只是意味着光标应该移动而不是等待输入以下字符。

UPD:如果有人感兴趣，这里是一个列表，如果 NFKC 标准化后的 unicode 字符在开头有一个空格:http://pastebin.com/Z99r5AK9

Answer 1

重音字符是空格和组合重音字符的组合，如 Unicode 标准中所指定:

>>> import unicodedata
>>> unicodedata.decomposition(u'\xb4')
'<compat> 0020 0301'

\u00B4 字符的历史有点模棱两可，但 Unicode 标准已决定将其视为空格 + 重音符号，尽管它经常被用作变音符号，参见 this discussion .

你或许可以使用 \u02CA作为备选;它不被视为空格，也没有指定分解。它被限定为一封信，因此您的里程数可能会有所不同。