[編集済み] このリンクを見てください。

ここではページからのコード

def latin1_to_ascii (unicrap):
    """This replaces UNICODE Latin-1 characters with
    something equivalent in 7-bit ASCII. All characters in the standard
    7-bit ASCII range are preserved. In the 8th bit range all the Latin-1
    accented letters are stripped of their accents. Most symbol characters
    are converted to something meaningful. Anything not converted is deleted.
    """
    xlate = {
        0xc0:'A', 0xc1:'A', 0xc2:'A', 0xc3:'A', 0xc4:'A', 0xc5:'A',
        0xc6:'Ae', 0xc7:'C',
        0xc8:'E', 0xc9:'E', 0xca:'E', 0xcb:'E',
        0xcc:'I', 0xcd:'I', 0xce:'I', 0xcf:'I',
        0xd0:'Th', 0xd1:'N',
        0xd2:'O', 0xd3:'O', 0xd4:'O', 0xd5:'O', 0xd6:'O', 0xd8:'O',
        0xd9:'U', 0xda:'U', 0xdb:'U', 0xdc:'U',
        0xdd:'Y', 0xde:'th', 0xdf:'ss',
        0xe0:'a', 0xe1:'a', 0xe2:'a', 0xe3:'a', 0xe4:'a', 0xe5:'a',
        0xe6:'ae', 0xe7:'c',
        0xe8:'e', 0xe9:'e', 0xea:'e', 0xeb:'e',
        0xec:'i', 0xed:'i', 0xee:'i', 0xef:'i',
        0xf0:'th', 0xf1:'n',
        0xf2:'o', 0xf3:'o', 0xf4:'o', 0xf5:'o', 0xf6:'o', 0xf8:'o',
        0xf9:'u', 0xfa:'u', 0xfb:'u', 0xfc:'u',
        0xfd:'y', 0xfe:'th', 0xff:'y',
        0xa1:'!', 0xa2:'{cent}', 0xa3:'{pound}', 0xa4:'{currency}',
        0xa5:'{yen}', 0xa6:'|', 0xa7:'{section}', 0xa8:'{umlaut}',
        0xa9:'{C}', 0xaa:'{^a}', 0xab:'<<', 0xac:'{not}',
        0xad:'-', 0xae:'{R}', 0xaf:'_', 0xb0:'{degrees}',
        0xb1:'{+/-}', 0xb2:'{^2}', 0xb3:'{^3}', 0xb4:"'",
        0xb5:'{micro}', 0xb6:'{paragraph}', 0xb7:'*', 0xb8:'{cedilla}',
        0xb9:'{^1}', 0xba:'{^o}', 0xbb:'>>',
        0xbc:'{1/4}', 0xbd:'{1/2}', 0xbe:'{3/4}', 0xbf:'?',
        0xd7:'*', 0xf7:'/'
    }

    r = ''
    for i in unicrap:
        if xlate.has_key(ord(i)):
            r += xlate[ord(i)]
        elif ord(i) >= 0x80:
            pass
        else:
            r += i
    return r

# This gives an example of how to use latin1_to_ascii().
# This creates a string will all the characters in the latin-1 character set
# then it converts the string to plain 7-bit ASCII.
if __name__ == '__main__':
s = unicode('','latin-1')
for c in range(32,256):
    if c != 0x7f:
        s = s + unicode(chr(c),'latin-1')
print 'INPUT:'
print s.encode('latin-1')
print
print 'OUTPUT:'
print latin1_to_ascii(s)

サード パーティー製のモジュールをインストールするには恐れていない場合は、ぜひがある、 Perl モジュールの python ポートText::Unidecode（またですpypi に).

モジュールがルックアップ テーブルを使用して文字を翻字するよりは何もしません。コードに目をやった、それは非常に単純に見えます。私はそれはかなり任意の OS 上と任意の Python のバージョン (crossingfingers) に取り組んでいると仮定します。また、アプリケーションにバンドルするは簡単です。

このモジュールを参照のテーブルを手動で作成する必要はありません （リスクの軽減は完全であること =）。

このモジュールの unicode 正規化手法に比較しての利点はこれです: ユニコード正規化のすべての文字を交換しないこと。良い例は、文字「æ」のようなものです。Unicode 正規化「手紙として、小文字」(Ll) が表示されます。これを使用する意味は normalize 方法あなたを与えるも、置換文字も役に立つヒント。残念ながら、その文字は ASCII で表現可能です。だからあなたのエラーを取得します。

前述のモジュール良い仕事でこれを行います。これは、"ae"と「æ」を実際に置き換えられます。実際には便利ですし、理にかなって。

私が見た最も印象的なものは、それがさらにいるということです。それも日本語の仮名文字ほとんど正しく置き換えられます。たとえばは「↓」「ha と」置き換えます。Wich は、完全に罰金です。が現在のバージョンとしてフールプルーフではない「ち」は、「チー」の代わりに"ti"を置き換えます。それを気に多くのエキゾチックな文字を処理する必要があります。

モジュールの使用法は簡単:。

from unidecode import unidecode
var_utf8  = "æは".decode("utf8")
unidecode( var_utf8 ).encode("ascii")
>>> "aeha"

このモジュールと直接やる事があることに注意してください。それはちょうど私はそれを非常に有用見つけることを起こる。

編集：私が提出したパッチは日本語の仮名に関するバグを修正しました。私はのみ、1 つのすぐに見付けてでしたを修正しました。私はいくつか見逃している可能性があります。

次の関数がジェネリックです。

import unicodedata

def not_combining(char):
        return unicodedata.category(char) != 'Mn'

def strip_accents(text, encoding):
        unicode_text= unicodedata.normalize('NFD', text.decode(encoding))
        return filter(not_combining, unicode_text).encode(encoding)

# in a cp1252 environment
>>> print strip_accents("déjà", "cp1252")
deja
# in a cp1253 environment
>>> print strip_accents("καλημέρα", "cp1253")
καλημερα

明らかに、あなたの文字列のエンコード知っている必要があります。

このような何か

# coding=utf-8

def alnum_dot(name, replace={}):
    import re

    for k, v in replace.items():
    	name = name.replace(k, v)

    return re.sub("[^a-z.]", "", name.strip().lower())

print alnum_dot(u"Frédrik Holmström", {
    u"ö":"o",
    " ":"."
})

2 番目の引数は、dict 置き換え、すべての非 a ～ z の文字のと。置き換えられる文字を剥奪します。

Translate メソッドの文字を削除できます。任意の文字を削除できます。

Fullname.translate(None,"'-\"")

文字の全体のクラスを削除する場合は、再使用したいと思うかもしれないモジュール。

re.sub('[^a-z0-9 ]', '', Fullname.strip().lower(),)