首页   注册   登录
V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
推荐学习书目
Learn Python the Hard Way
Python 学习手册
Python Cookbook
Python 基础教程
Python Sites
PyPI - Python Package Index
http://www.simple-is-better.com/
http://diveintopython.org/toc/index.html
Pocoo
值得关注的项目
PyPy
Celery
Jinja2
Read the Docs
gevent
pyenv
virtualenv
Stackless Python
Beautiful Soup
结巴中文分词
Green Unicorn
Sentry
Shovel
Pyflakes
pytest
Python 编程
pep8 Checker
Styles
PEP 8
Google Python Style Guide
Code Style from The Hitchhiker's Guide
Coding
V2EX  ›  Python

推荐下 Python 格式化字符串轮子(零宽/特殊标点)?

  •  
  •   JCZ2MkKb5S8ZX9pq · 336 天前 · 1282 次点击
    这是一个创建于 336 天前的主题,其中的信息可能已经有所发展或是发生改变。

    问题 1

    • \u200b \u200c ... 这类零宽字符去除
    • ascii 前面那堆去除
    • — – 类似这种长得很像减号换成减号
    • 保留可见的 unicode 字符,包括中文、阿拉伯语、日文、西班牙语等字符。

    类似这样的字符清洗的轮子有嘛? 手动写筛选条件怕有遗漏。

    问题 2

    另外在 python3 里,有些字符串

    "\u2086san'中文"
    

    类似这样的,其中中文也是 unicode,但是是可见的。
    用 unicode-escape 的话,中文也会变成\u 开头。
    有没有方法,在\u2086这种表现形式的字符出现的时候,判断一下?

    4 回复  |  直到 2019-01-11 14:54:03 +08:00
        1
    locoz   335 天前
    捞一下防沉
        2
    xpresslink   335 天前   ♥ 2
    form = ['NFC', 'NFKC', 'NFD', 'NFKD']
    unicodedata.normalize(form[3], unicodestr)
        3
    JCZ2MkKb5S8ZX9pq   335 天前
    @xpresslink 谢谢 我查一下
        4
    JCZ2MkKb5S8ZX9pq   335 天前
    @xpresslink 好像并没有滤掉 `\u200b` 这类零宽字符
    关于   ·   FAQ   ·   API   ·   我们的愿景   ·   广告投放   ·   感谢   ·   实用小工具   ·   1017 人在线   最高记录 5043   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.3 · 23ms · UTC 19:53 · PVG 03:53 · LAX 11:53 · JFK 14:53
    ♥ Do have faith in what you're doing.