知识卡片
有损字符清理须确认目标
分解后丢弃非ASCII能得到受限文本,却会永久丢掉不能表示的字符;去音符也可能合并本应区分的名称。仅在目标契约允许这种损失时采用,并保留所需原始信息。用combining筛选只能反映规范组合类别,不能无条件称为删除全部Unicode标记;该属性边界已据官方unicodedata文档核验(2026-10-27)。
这张卡片看不懂?
这张卡片的反馈已满 10 条,暂时无法继续提交。
已有反馈 · 0 / 10 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- · 查看原书依据
最终目标就是ASCII形式的文本时才有用。 2.12.3 讨论 文本过滤和清理的一个主要问题就是运行时的性能。一般来说操作越简单,运行得就越快。对于简单的替换操作,用str.replace()通常是最快的方式——即使必须多次调用它也是如此。比方说如果要清理掉空格符,可以
参考来源
- 位置:《Python Cookbook(第3版)中文版》2.12 文本过滤和清理(spine10;extracted/Python Cookbook(第3版)中文版/_epub-src/OEBPS/Text/part0008.xhtml;u035-ch02-019)。
- 结论依据:完整读取本条问题、代码与讨论;区分代码点序列、字符属性、规范化和有损清理,补充边界依官方原始文档核验。
- 原始内容:最终目标就是ASCII形式的文本时才有用。 2.12.3 讨论 文本过滤和清理的一个主要问题就是运行时的性能。一般来说操作越简单,运行得就越快。对于简单的替换操作,用str.replace()通常是最快的方式——即使必须多次调用它也是如此。比方说如果要清理掉空格符,可以