python - 将变音符号或修饰符变音符号 Unicode 字符转换为 'combining form'

Question

我在 Unicode 字符串中有一些重音/变音符号，我想将它们转换为它们的“组合形式”(根据 Unicode 标准)。例如，如果我有 \N{CIRCUMFLEX ACCENT} ( \u005E ) 或 \N{MODIFIER LETTER CIRCUMFLEX ACCENT} ( \u02C6 )，我想把它转换成 \N{COMBINING CIRCUMFLEX ACCENT} ( \u0302 )。对于任何变音标记，是否有任何一致、可靠的方法来执行此操作？如果 Python (3.9) 标准库对它有内置支持(可能通过 unicodedata 模块)，那将是理想的，但我也很高兴为此使用 pip 包。

Answer 1

这是我目前最好的解决方案。仍然感觉有点hacky，但它似乎适用于我遇到的场景。

from typing import *
import unicodedata

def _strip_prefix(s: str, prefix: str) -> str:
    return s[len(prefix):] if s.startswith(prefix) else s

def make_combining_form(diacritic: str) -> Optional[str]:
    if unicodedata.category(diacritic) not in ("Sk", "Lm"):
        return None

    name = unicodedata.name(diacritic)
    name = _strip_prefix(name, "MODIFIER LETTER ")
    name = _strip_prefix(name, "COMBINING ")
    try:
        return unicodedata.lookup("COMBINING " + name)
    except KeyError:
        return None