python – 为什么我不能规范化这个随机的unicode字符串？

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了python – 为什么我不能规范化这个随机的unicode字符串？，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含979字，纯文字阅读大概需要2分钟。

内容图文

我需要在unicode字符串上评估levenshtein编辑距离,这意味着需要对包含相同内容的两个字符串进行规范化,以避免偏向编辑距离.

以下是我为测试生成随机unicode字符串的方法：

def random_unicode(length=10):
    ru = lambda: unichr(random.randint(0, 0x10ffff))
    return ''.join([ru() for _ in xrange(length)])

这是一个失败的简单测试用例：

import unicodedata
uni = random_unicode()
unicodedata.normalize(uni, 'NFD')

这是错误：

UnicodeEncodeError: 'ascii' codec can't encode characters in position 0-9: ordinal not in range(128)

我检查确保uni确实是一个unicode对象：

u'\U00020d93\U000fb2e6\U0005709a\U000bc31e\U00080262\U00034f00\U00059941\U0002dd09\U00074f6d\U0009ef7a'

有人可以开导我吗？

解决方法:

你已经切换了normalize的参数.从the relevant documentation开始：

unicodedata.normalize(form, unistr)

Return the normal form form for the Unicode string * unistr*. Valid values for form are ‘NFC’, ‘NFKC’, ‘NFD’, and ‘NFKD’.

第一个参数是表单,第二个参数是要规范化的字符串.这很好用：

unicodedata.normalize('NFD', uni)

内容总结

以上是互联网集市为您收集整理的python – 为什么我不能规范化这个随机的unicode字符串？全部内容，希望文章能够帮你解决python – 为什么我不能规范化这个随机的unicode字符串？所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端