Python相同的字符不等于

Question

我的数据库中有文本。我从xhr向我的视图发送一些文本。函数查找找不到某些Unicode字符。

我想使用以下方式找到选定的文本：

text.find(selection)

但有时变量“选择”包含如下字符：

ę  # in xhr unichr(281)

而在变量“文本”中有：

ę  # in db has two chars unichr(101) + unichr(808)

它们只是同一事物的不同形式。.find在这里如何使工作更可靠？

Answer 1

这unicodedata.normalize可能对您有帮助。

基本上，如果您对来自db的数据进行规范化，并且将选择规范化为相同的形式，那么使用str.find，str.__contains__（即in）str.index和朋友时应该会得到更好的结果。

>>> u1 = chr(281)
>>> u2 = chr(101) + chr(808)
>>> print(u1, u2)
ę ę
>>> u1 == u2
False
>>> unicodedata.normalize('NFC', u2) == u1
True

NFC代表“ 普通形式组合”
形式。您可以在这里阅读有关其他可能形式的一些说明。