[Python] 結合文字を使用した濁点や半濁点を直前の仮名と結合させる方法(ウ゛→ ヴ) - Qiita

まえがき 人名検索が行えるデータベースを作る際、提供されたデータにこんな読み仮名が混在していた。 ヤマグチ ヤマク゛チ ヤマグチと検索してもヤマク゛チさんがヒットしないので、「ク゛」を「グ」に寄せる形で正規化することにした。 適当なライブラリが見当たらなかったので、自前で実装することにした奮闘記。 実装方法 文字列内の合成文字を基底文字と結合文字へ分解 1で分解した文字列をバイト列に変換 2で変換したバイト列の濁点、半濁点をUnicode結合文字の濁点、半濁点に置換 3で置換されたバイト列を文字列型へ戻す (必要に応じて)合成文字に変換 Unicodeの合成文字と結合文字 日本語の「は」「ば」「ぱ」のように符号の有無・種類で音を表現する文字に対し、Unicodeでは合成文字と結合文字を使用する二通りの表現方法がある。 「ば」の例では以下の二種類がある。 ば U+3070 は + 濁点 U+