6.5. unicodedata - Unicode数据库¶
此模块提供对Unicode字符数据库（UCD）的访问，该字符数据库定义所有Unicode字符的字符属性。此数据库中包含的数据是从UCD版本8.0.0编译的。
该模块使用与Unicode标准附录＃44，“Unicode字符数据库”定义的名称和符号相同的名称和符号。它定义了以下功能：
unicodedata.name(chr[, default])¶返回分配给字符chr的名称作为字符串。按字符来查找它的名称。如果未定义名称，则返回默认，如果未指定，则会引发
ValueError。
unicodedata.decimal(chr[, default])¶将分配给字符chr的十进制值作为整数返回。如果没有定义这样的值，则返回默认，或者如果没有给出，则引发
ValueError。
unicodedata.digit(chr[, default])¶将分配给字符chr的数字值作为整数返回。如果没有定义这样的值，则返回默认，或者如果没有给出，则引发
ValueError。
unicodedata.numeric(chr[, default])¶返回分配给字符chr的数值为float。如果没有定义这样的值，则返回默认，或者如果没有给出，则引发
ValueError。
unicodedata.category(chr)¶将分配给字符chr的一般类别返回为字符串。
unicodedata.bidirectional(chr)¶以字符串形式返回分配给字符chr的双向类。如果没有定义这样的值，则返回一个空字符串。
unicodedata.combining(chr)¶返回分配给字符chr的规范组合类作为整数。如果未定义组合类，则返回
0。
unicodedata.east_asian_width(chr)¶将分配给字符chr的东亚宽度返回为字符串。
unicodedata.mirrored(chr)¶将分配给字符chr的镜像属性返回为整数。如果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(chr)¶以字符串形式返回分配给字符chr的字符分解映射。如果未定义此类映射，则返回空字符串。
unicodedata.normalize(form, unistr)¶返回Unicode字符串unistr的正常形式形式。形式的有效值为“NFC”，“NFKC”，“NFD”和“NFKD”。
Unicode标准基于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，可以以各种方式表示几个字符。例如，字符U + 00C7（LATIN CAPITAL LETTER C WITH CEDILLA）也可以表示为序列U + 0043（拉丁资本信函C）U + 0327（组合CEDILLA）。
对于每个字符，有两种正常形式：正常形式C和正常形式D.正常形式D（NFD）也称为规范分解，并且将每个字符转换为其分解形式。正常形式C（NFC）首先应用规范分解，然后再次组合预组合字符。
除了这两种形式，还有两种基于兼容性等价的附加正常形式。在Unicode中，支持某些字符，通常与其他字符统一。例如，U + 2160（ROMAN NUMERAL ONE）与U + 0049（LATIN CAPITAL LETTER I）真的是一样的东西。但是，它支持Unicode，以兼容现有的字符集（例如。gb2312）。
正态KD（NFKD）将应用兼容性分解，即用其等同替换所有兼容性字符。正常形式KC（NFKC）首先应用兼容性分解，随后是规范组合。
即使两个unicode字符串被归一化，并且对人类读者看起来相同，如果一个具有组合字符，另一个不是，它们可能不会相等。
此外，模块还会显示以下常量：
unicodedata.unidata_version¶此模块中使用的Unicode数据库的版本。
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（例如IDNA）的应用程序，则使用Unicode数据库版本3.2。
例子：
>>> import unicodedata
>>> unicodedata.lookup('LEFT CURLY BRACKET')
'{'
>>> unicodedata.name('/')
'SOLIDUS'
>>> unicodedata.decimal('9')
9
>>> unicodedata.decimal('a')
Traceback (most recent call last):
File "<stdin>", line 1, in ?
ValueError: not a decimal
>>> unicodedata.category('A') # 'L'etter, 'u'ppercase
'Lu'
>>> unicodedata.bidirectional('\u0660') # 'A'rabic, 'N'umber
'AN'
脚注
| [1] | http://www.unicode.org/Public/8.0.0/ucd/NameAliases.txt |
| [2] | http://www.unicode.org/Public/8.0.0/ucd/NamedSequences.txt |