स्ट्रिप यूनिकोड चरित्र संशोधक

Question

पायथन में यूनिकोड स्ट्रिंग से वर्ण संशोधक को स्ट्रिप करने का सबसे आसान तरीका क्या है?

उदाहरण के लिए:

आर्थर आर्थर

हो जाना चाहिए मैं डॉक्स की कोशिश की, लेकिन मैं कुछ भी है कि यह करता है नहीं पा सके।

Answer 1

इस

import unicodedata 
a = u"STRING GOES HERE" # using an actual string would break stackoverflow's code formatting. 
u"".join(x for x in a if not unicodedata.category(x).startswith("M")) 

यह निशान है, जो है कि मैं क्या लगता है कि आप चाहते हैं के रूप में वर्गीकृत सभी पात्रों को हटा देगा का प्रयास करें। आम तौर पर, आप unicodedata.category के साथ एक चरित्र की श्रेणी प्राप्त कर सकते हैं।

Answer 2

तुम भी r'\p{M}' इस्तेमाल कर सकते हैं कि समर्थित है regex module द्वारा:

import regex 

def remove_marks(text): 
    return regex.sub(ur"\p{M}+", "", text) 

उदाहरण:

>>> print s 
A͋͠r͍̞̫̜t̼̭͞h́u̡̙̞̘rͬͣ̐ͮ 
>>> def remove_marks(text): 
...  return regex.sub(ur"\p{M}+", "", text) 
...  
... 
>>> print remove_marks(s) 
Arthur 

अपने यूज-केस के आधार पर एक श्वेत सूची दृष्टिकोण बेहतर उदाहरण हो सकता है, केवल इनपुट सीमित करने के लिए एएससीआई अक्षरों के लिए:

>>> s.encode('ascii', 'ignore').decode('ascii') 
u'Arthur' 

परिणाम पाठ में उपयोग किए गए यूनिकोड सामान्यीकरण पर निर्भर हो सकता है।