unicodedata

unicodedata - Unicode数据库

此模块提供对Unicode字符数据库的访问，该字符数据库为所有Unicode字符定义字符属性。该数据库中的数据基于UnicodeData.txt可从ftp://ftp.unicode.org/公开获得的文件版本5.2.0。

该模块使用与Unicode数据文件格式5.2.0（见http://www.unicode.org/reports/tr44/tr44-4.html）中定义的相同的名称和符号。它定义了以下功能：

unicodedata.lookup(name)

按名称查找字符。如果找到具有给定名称的字符，则返回相应的Unicode字符。如果没有找到，则提出KeyError。

unicodedata.name(unichr[, default])

以字符串形式返回分配给Unicode字符unichr的名称。如果没有定义名称，则返回默认值，否则引发ValueError。

unicodedata.decimal(unichr[, default])

以整数形式返回分配给Unicode字符unichr的十进制值。 如果没有定义这样的值，则返回缺省值，否则会引发ValueError。

unicodedata.digit(unichr[, default])

以整数形式返回分配给Unicode字符unichr的数字值。 如果没有定义这样的值，则返回缺省值，否则会引发ValueError。

unicodedata.numeric(unichr[, default])

以float形式返回分配给Unicode字符unichr的数字值。 如果没有定义这样的值，则返回缺省值，否则会引发ValueError。

unicodedata.category(unichr)

以字符串形式返回分配给Unicode字符unichr的常规类别。

unicodedata.bidirectional(unichr)

以字符串形式返回分配给Unicode字符unichr的双向类。如果没有定义这样的值，则返回空字符串。

unicodedata.combining(unichr)

将分配给Unicode字符unichr的规范组合类返回为整数。如果未定义组合类，则返回0。

unicodedata.east_asian_width(unichr)

以字符串形式返回分配给Unicode字符unichr的东亚宽度。

2.4版本中的新功能。

unicodedata.mirrored(unichr)

以整数形式返回分配给Unicode字符unichr的镜像属性。 如果该字符在双向文本中被识别为“镜像”字符，则返回1，否则返回0。

unicodedata.decomposition(unichr)

以字符串形式返回分配给Unicode字符unichr的字符分解映射。如果没有定义这样的映射，则返回空字符串。

unicodedata.normalize(form, unistr)

返回Unicode字符串unistr的常规表单形式。表单的有效值为'NFC'，'NFKC'，'NFD'和'NFKD'。

Unicode标准根据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，可以用各种方式表示几个字符。例如，字符U + 00C7（带有CEDILLA的拉丁大写字母C）也可以表示为序列U + 0043（拉丁文大写字母C）U + 0327（CEDILLA组合）。

对于每个字符，有两种正常形式：标准形式C和标准形式D.标准形式D（NFD）也称为规范分解，并将每个字符转换为其分解形式。标准形式C（NFC）首先应用规范分解，然后再组合预先组合的字符。

除了这两种形式外，还有两种基于兼容性等效的额外正常形式。在Unicode中，支持通常与其他字符统一的某些字符。例如，U + 2160（ROMAN NUMERAL ONE）与U + 0049（拉丁大写字母I）确实是相同的东西。但是，Unicode支持与现有字符集兼容（例如gb2312）。

标准格式KD（NFKD）将应用兼容性分解，即将所有兼容性字符替换为它们的等价物。标准形式KC（NFKC）首先应用兼容性分解，然后是规范组合。

即使两个unicode字符串被标准化，并且与人类阅读器看起来相同，如果一个字符组合了字符而另一个字符串没有，它们可能不会相等。

2.3版本的新功能。

另外，该模块公开以下常量：

unicodedata.unidata_version

此模块中使用的Unicode数据库的版本。

2.3版本的新功能。

unicodedata.ucd_3_2_0

这是一个与整个模块具有相同方法的对象，但对于需要此特定版本的Unicode数据库（如IDNA）的应用程序，则使用Unicode数据库版本3.2。

2.5版本中的新功能。

例子：

>>> import unicodedata
>>> unicodedata.lookup('LEFT CURLY BRACKET')
u'{'
>>> unicodedata.name(u'/')
'SOLIDUS'
>>> unicodedata.decimal(u'9')
9
>>> unicodedata.decimal(u'a')
Traceback (most recent call last):
  File "<stdin>", line 1, in ?
ValueError: not a decimal
>>> unicodedata.category(u'A')  # 'L'etter, 'u'ppercase
'Lu'
>>> unicodedata.bidirectional(u'\u0660') # 'A'rabic, 'N'umber
'AN'