İndeksleme ve arama yapmam gereken birkaç (1 milyon +) belge, e-posta iletisi vb. Var. Her belge potansiyel olarak farklı bir kodlamaya sahiptir. Hangi ürünleri (veya ürün konfigürasyonu) bunu doğru b
Aksanları birleştiren bir UTF8 dizilim var. \w regex dizisiyle eşleştirmek istiyorum. Aksanları olan karakterlerle eşleşir, ancak aksanları birleştiren bir latin karakter varsa bu olmaz. >>> re.match(
API dokümanı, http://docs.python.org/2/library/unicodedata.html#unicodedata.normalize. Bu unistr Unicode dize normal formu formu Return söylüyor. Form için geçerli değerler ‘NFC’, ‘NFKC’, ‘nfd’ ve ‘NF
Bu biraz yumuşak bir soru, bunun için daha iyi bir yer varsa bana bildirmekten çekinmeyin. Uluslararası karakterler gerektiren bir parola kabul eden bir kod geliştiriyorum - bu nedenle bir unicode diz