如何“规范化”python 3 unicode字符串

Question

我需要比较2个字符串。 {PDF <1}}是从PDF文件中提取的（使用pdfminer / chardet），aa是键盘输入。如何规范化第一个字符串以进行复合？

bb

Answer 1

您使用unicodedata.normalize进行规范化：

>>> aa = b'\xc4\x81'.decode('utf8')
>>> bb = b'a\xcc\x84'.decode('utf8')
>>> aa
'ā'
>>> bb
'ā'
>>> aa == bb
False
>>> import unicodedata as ud
>>> aa == ud.normalize('NFC',bb)
True