удаления акцент и специальные символы

Question

Можно создать дубликат:
What is the best way to remove accents in a python unicode string?
Python and character normalization

Я хотел бы удалить акценты, превратить все символы в нижнем регистре, а также удалять любые цифры и специальные символы.

Пример:

Frédér8ic @ -> Frederic

Предложение:

def remove_accents(data): 
    return ''.join(x for x in unicodedata.normalize('NFKD', data) if \ 
    unicodedata.category(x)[0] == 'L').lower() 

Есть ли лучший способ сделать это?

Answer 1

Возможное решение будет

def remove_accents(data): 
    return ''.join(x for x in unicodedata.normalize('NFKD', data) if x in string.ascii_letters).lower() 

Использование NFKD AFAIK это стандартный способ нормализации Юникода, чтобы преобразовать его в совместимых символов. Остальное, чтобы удалить номера специальных символов и символы юникода, которые возникли из нормализации, вы можете просто сравнить с string.ascii_letters и удалить любой символ в этом наборе.

Answer 2

Можете ли вы преобразовать строку в объекты HTML? Если это так, вы можете использовать простое регулярное выражение.

Следующая замена будет работать в PHP/PCRE (см my other answer для примера):

'~&([a-z]{1,2})(?:acute|cedil|circ|grave|lig|orn|ring|slash|th|tilde|uml);~i' => '$1' 

Затем просто преобразовать обратно из HTML-сущностей и удаления любых не a-Z полукокса (demo @ CodePad).

Извините, я не знаю Python, чтобы дать ответ Pythonic.