7.9. "unicodedata" — Base de données Unicode
********************************************

This module provides access to the Unicode Character Database which
defines character properties for all Unicode characters. The data in
this database is based on the "UnicodeData.txt" file version 5.2.0
which is publicly available from ftp://ftp.unicode.org/.

The module uses the same names and symbols as defined by the
UnicodeData File Format 5.2.0 (see
http://www.unicode.org/reports/tr44/tr44-4.html). It defines the
following functions:

unicodedata.lookup(name)

   Look up character by name.  If a character with the given name is
   found, return the corresponding Unicode character.  If not found,
   "KeyError" is raised.

unicodedata.name(unichr[, default])

   Returns the name assigned to the Unicode character *unichr* as a
   string. If no name is defined, *default* is returned, or, if not
   given, "ValueError" is raised.

unicodedata.decimal(unichr[, default])

   Returns the decimal value assigned to the Unicode character
   *unichr* as integer. If no such value is defined, *default* is
   returned, or, if not given, "ValueError" is raised.

unicodedata.digit(unichr[, default])

   Returns the digit value assigned to the Unicode character *unichr*
   as integer. If no such value is defined, *default* is returned, or,
   if not given, "ValueError" is raised.

unicodedata.numeric(unichr[, default])

   Returns the numeric value assigned to the Unicode character
   *unichr* as float. If no such value is defined, *default* is
   returned, or, if not given, "ValueError" is raised.

unicodedata.category(unichr)

   Returns the general category assigned to the Unicode character
   *unichr* as string.

unicodedata.bidirectional(unichr)

   Returns the bidirectional class assigned to the Unicode character
   *unichr* as string. If no such value is defined, an empty string is
   returned.

unicodedata.combining(unichr)

   Returns the canonical combining class assigned to the Unicode
   character *unichr* as integer. Returns "0" if no combining class is
   defined.

unicodedata.east_asian_width(unichr)

   Returns the east asian width assigned to the Unicode character
   *unichr* as string.

   Nouveau dans la version 2.4.

unicodedata.mirrored(unichr)

   Returns the mirrored property assigned to the Unicode character
   *unichr* as integer. Returns "1" if the character has been
   identified as a « mirrored » character in bidirectional text, "0"
   otherwise.

unicodedata.decomposition(unichr)

   Returns the character decomposition mapping assigned to the Unicode
   character *unichr* as string. An empty string is returned in case
   no such mapping is defined.

unicodedata.normalize(form, unistr)

   Renvoie la forme normale *form* de la chaîne de caractère Unicode
   *unistr*. Les valeurs valides de *form* sont *NFC*, *NFKC*, *NFD*,
   et *NFKD*.

   Le standard Unicode définit les différentes variantes de
   normalisation d’une chaîne de caractères Unicode en se basant sur
   les définitions d’équivalence canonique et d’équivalence de
   compatibilité. En Unicode, plusieurs caractères peuvent être
   exprimés de différentes façons. Par exemple, le caractère *U+00C7*
   (*LATIN CAPITAL LETTER C WITH CEDILLA*) peut aussi être exprimé
   comme la séquence *U+0043* (*LATIN CAPITAL LETTER C*) *U+0327*
   (*COMBINING CEDILLA*).

   Pour chaque caractère, il existe deux formes normales: la forme
   normale C et la forme normale D. La forme normale D (NFD) est aussi
   appelée décomposition canonique, et traduit chaque caractère dans
   sa forme décomposée. La forme normale C (NFC) applique d’abord la
   décomposition canonique, puis compose à nouveau les caractères
   pré-combinés.

   En plus de ces deux formes, il existe deux formes nominales basées
   sur l’équivalence de compatibilité. En Unicode, certains caractères
   sont gérés alors qu’ils sont normalement unifiés avec d’autres
   caractères. Par exemple, U+2160 (ROMAN NUMERAL ONE) est vraiment la
   même chose que U+0049 (LATIN CAPITAL LETTER I). Cependant, ce
   caractère est supporté par souci de compatibilité avec les jeux de
   caractères existants (par exemple *gb2312*).

   La forme normale KD (NFKD) applique la décomposition de
   compatibilité, c’est-à-dire remplacer les caractères de
   compatibilités avec leurs équivalents. La forme normale KC (NFKC)
   applique d’abord la décomposition de compatibilité, puis applique
   la composition canonique.

   Même si deux chaînes de caractères Unicode sont normalisées et ont
   la même apparence pour un lecteur humain , si un a des caractères
   combinés alors que l’autre n’en a pas, elles peuvent ne pas être
   égales lors d’une comparaison.

   Nouveau dans la version 2.3.

De plus, ce module expose la constante suivante:

unicodedata.unidata_version

   La version de la base de données Unicode utilisée dans ce module.

   Nouveau dans la version 2.3.

unicodedata.ucd_3_2_0

   Ceci est un objet qui a les mêmes méthodes que le module, mais qui
   utilise la version 3.2 de la base de données Unicode, pour les
   applications qui nécessitent cette version spécifique de la base de
   données Unicode (comme l’IDNA).

   Nouveau dans la version 2.5.

Exemples :

>>> import unicodedata
>>> unicodedata.lookup('LEFT CURLY BRACKET')
u'{'
>>> unicodedata.name(u'/')
'SOLIDUS'
>>> unicodedata.decimal(u'9')
9
>>> unicodedata.decimal(u'a')
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
ValueError: not a decimal
>>> unicodedata.category(u'A')  # 'L'etter, 'u'ppercase
'Lu'
>>> unicodedata.bidirectional(u'\u0660') # 'A'rabic, 'N'umber
'AN'
