在 Python 中检查 unicode 字符串是否为 NFC 的有效方法？
Efficient way to check if unicode string is NFC in Python?
我想检查一个字符串是否已经是 NFC 形式。目前我这样做：
unicodedata.normalize('NFC', s) == s
我正在对大量字符串执行此操作，因此我希望效率更高。上面的方法看起来很浪费。它转换为 NFC，然后进行字符串比较。
有没有更有效的方法呢？我考虑过：
len(unicodedata.normalize('NFC', s)) == len(s)
这避免了字符串比较。但我不确定这是否总是正确的。如果 NFC 规范化总是更改非 NFC 字符串的长度，则此方法有效。这是一个有效的假设吗？
还有其他想法吗？
规范化不一定会改变字符串的长度。例如'Ω'（U+2126）经过NFC后变为'Ω'（U+03A9）。
Unicode 数据库中有规范化 "quick check" property 来测试字符是否已经规范化，但不幸的是 Python 的 unicodedata 模块没有公开它。然而，unicodedata.normalize() 确实使用这个 属性 来避免在字符串已经规范化的情况下做任何额外的工作——它只是 returns 输入字符串。
要访问此 属性，您需要自己从 Unicode 字符数据库编译 table，或者使用具有 Python 绑定的更广泛的 Unicode 库（如 PyICU).
从 Python 3.8 开始，它公开了所需的检查。引自 Python 文档：
unicodedata.is_normalized(form, unistr)
Return whether the Unicode string unistr is in the normal form 'form'. Valid values for form are ‘NFC’, ‘NFKC’, ‘NFD’, and ‘NFKD’.
New in version 3.8.
我希望一切都在 NFC 中，但是检查 NFD（所以我只能转换那些）不起作用：所有 NFC 字符串都通过了 NFD 检查！然后我的解决方案是测试字符串是否 不是 NFC，如果是则进行转换。
我想检查一个字符串是否已经是 NFC 形式。目前我这样做：
unicodedata.normalize('NFC', s) == s
我正在对大量字符串执行此操作，因此我希望效率更高。上面的方法看起来很浪费。它转换为 NFC，然后进行字符串比较。
有没有更有效的方法呢？我考虑过：
len(unicodedata.normalize('NFC', s)) == len(s)
这避免了字符串比较。但我不确定这是否总是正确的。如果 NFC 规范化总是更改非 NFC 字符串的长度，则此方法有效。这是一个有效的假设吗？
还有其他想法吗？
规范化不一定会改变字符串的长度。例如'Ω'（U+2126）经过NFC后变为'Ω'（U+03A9）。
Unicode 数据库中有规范化 "quick check" property 来测试字符是否已经规范化，但不幸的是 Python 的 unicodedata 模块没有公开它。然而，unicodedata.normalize() 确实使用这个 属性 来避免在字符串已经规范化的情况下做任何额外的工作——它只是 returns 输入字符串。
要访问此 属性，您需要自己从 Unicode 字符数据库编译 table，或者使用具有 Python 绑定的更广泛的 Unicode 库（如 PyICU).
从 Python 3.8 开始，它公开了所需的检查。引自 Python 文档：
unicodedata.is_normalized(form, unistr)
Return whether the Unicode string unistr is in the normal form 'form'. Valid values for form are ‘NFC’, ‘NFKC’, ‘NFD’, and ‘NFKD’.
New in version 3.8.
我希望一切都在 NFC 中，但是检查 NFD（所以我只能转换那些）不起作用：所有 NFC 字符串都通过了 NFD 检查！然后我的解决方案是测试字符串是否 不是 NFC，如果是则进行转换。