unicodedata

如果你經常要處理非英文的拉丁語系語言，或者做搜索相關項目，這真是個好用到哭的python內置庫。我深有感觸。

1. 形如café這種帶着重音符號的拉丁文詞組，想要當成英文處理，可以用unicodedata庫的unicodedata.normalize('NFKD', 'café')，將重音符號挑出來，然後再去掉特殊符號，從而變成ASCII範圍內的英文。
2. unicodedata.normalize第一個參數有4個可選項NFC/NFD/NFKC/NFKD，NFC會把重音符合合併到字母上，NFD相反，會拆分出來，NFKC和NFKD同上，但是會做兼容處理。比如符號’μ’會轉成希臘字母’μ’，還有二分之一那個符號(\u00bd)，會被轉成1/2。這對於提升搜索體驗很有意義。

3. unicodedata.name(uchar)可以顯示特殊字符的名稱，也可以用unicodedata.lookup(name)根據名稱找到對應的字符。比如

   1 2	>>> name(u'\u00bd') 'VULGAR FRACTION ONE HALF'

4. unicodedata.numeric(uchar)會將內容直接轉成對應的數字，比如，這個函數也能將羅馬數字、中文數字、中文繁體數字、特殊符號數字都轉成標準float類型，如下：

   1 2 3 4 5 6 7 8

   >>> numeric(u'\u00bd') 0.5 >>> numeric(u'①') 1.0 >>> numeric(u'貮') 2.0 >>> numeric(u'三') 3.0

5. unicodedata.category(uchar)可以區分字符的類型，有以下幾種：

   1 2 3 4 5 6

   Lu（letter，uppercase）：大寫字母。 Ll（letter，lowercase）：小寫字母。 Lt（letter，titlecase）：詞首字母大寫的字母。 Lm（letter，modifier）：修飾符字母字符，它是獨立式的間距字符，指示前面字母的修改。 Lo（letter，other）：不屬於大寫字母、小寫字母、詞首字母大寫或修飾符字母的字母。 Nd（number，decimal digit）：十進制數字字符，即範圍 0 到 9 內的字符。