unicodedata模塊在python中用于訪問unicode字符數據庫，提供字符屬性和行為處理功能。1. 可通過unicodedata.name()和unicodedata.category()獲取字符名稱和類別，用于判斷字符類型；2. 使用unicodedata.normalize()實現字符規范化，解決不同編碼形式導致的字符串比較問題，推薦使用nfc格式；3. 提供更精細的字符類型判斷方法，如判斷是否為數字字符可使用category(char) == ‘nd’；4. 可通過分解字符并過濾掉變音符號（mn類）實現去除重音符號的功能，便于文本簡化處理。該模塊在多語言文本處理、數據清洗及國際化場景中尤為關鍵。
在python中，unicodedata模塊是一個非常實用但容易被忽略的工具，它提供了對Unicode字符數據庫的訪問。簡單來說，這個模塊能幫助我們處理和理解各種Unicode字符的屬性和行為。
1. 獲取字符名稱和類別
unicodedata最基礎的功能之一是獲取字符的官方名稱和分類信息。這對于調試或處理非ASCII字符特別有幫助。
- unicodedata.name(chr) 可以返回字符的正式名稱（如果存在）。
- unicodedata.category(chr) 返回字符所屬的Unicode類別，比如字母、數字、標點等。
舉個例子：
import unicodedata print(unicodedata.name('€')) # 輸出: EURO SIGN print(unicodedata.category('€')) # 輸出: Sc（貨幣符號）
這些信息可以幫助你判斷某個字符是否屬于特定類型，比如是不是數字或者控制字符。
立即學習“Python免費學習筆記（深入）”；
2. 字符規范化：解決不同編碼形式的問題
有些Unicode字符可以有多種表示方式，比如“é”可以用一個單獨的字符表示，也可以用“e”加上一個重音符號組合而成。這會導致字符串比較時出錯。
unicodedata.normalize() 函數可以將這些形式統一為一種標準格式：
s1 = 'café' s2 = 'cafeu0301' # e + acute accent print(s1 == s2) # False print(unicodedata.normalize('NFC', s1) == unicodedata.normalize('NFC', s2)) # True
常見的標準化形式有 NFC、NFD、NFKC、NFKD。一般推薦使用 NFC 來進行字符串比較或存儲。
3. 判斷字符類型：替代isalpha、isdigit等方法
有時候內置的字符串方法不夠用，比如面對全角數字或特殊語言字符時。這時可以用 unicodedata 提供的更細粒度判斷。
例如：
def is_digit(char): return unicodedata.category(char) == 'Nd' # Nd 表示數字類字符 print(is_digit('9')) # True print(is_digit('u0660')) # True（阿拉伯語數字 0）
類似的，你可以根據字符類別判斷是否為字母、標點、空格等。
常用類別包括：
- Lu: 大寫字母
- Ll: 小寫字母
- Nd: 十進制數字
- Zs: 空格類字符
4. 去除變音符號：簡化文本處理
如果你需要將帶重音的字符轉成基礎拉丁字母，比如把“à”變成“a”，可以通過分解字符再過濾掉非基礎字符來實現。
def remove_accents(s): return ''.join( c for c in unicodedata.normalize('NFD', s) if unicodedata.category(c) != 'Mn' ) print(remove_accents('àb?')) # 輸出: abc
這個技巧在搜索、索引或生成URL slug時非常有用。
基本上就這些。雖然unicodedata看起來功能不多，但在處理多語言文本、數據清洗或國際化場景下，它的作用非常關鍵。
