Python 理解使用编码/解码去除变音符号

我对学习如何从文本中去除变音符号很感兴趣。也就是说，我正试图更好地理解以下代码行中发生的事情，我在2017年的一篇帖子中发现了这些代码行：

导入Unicode数据

text=unicodedata。规范化'NFD'，文本。编码'ascii'，'ignore'。解码'utf-8'

以下是我的大致理解：

unicodedata。规范化“NFD”，文本将每个字符转换为其分解形式，例如，a变为、

.encode'ascii'，'ignore'将规范化文本转换为ascii字节字符串b'string'并忽略任何错误

---

.decode'utf-8'返回从给定字节解码的字符串，但这就是我卡住的地方。为什么不使用。改为解码“ascii”？这两种编码重叠吗？

您的理解基本正确。诀窍是：编码“ascii”，“忽略”。ASCII只能表示128个字符，其中许多字符甚至无法打印。ASCII字符集当然不包含带变音符号的字符。因此，它试图强制文本进入ASCII字符集，而忽略会导致它无法表示的所有字符被默默地丢弃；去掉了所有那些分解的变音符号

你是对的，将其解码为UTF-8本身没有多大意义；将其解码为ASCII将更有意义。但是，与许多编码一样，UTF-8是ASCII的超集。任何有效的ASCII字符串也是有效的UTF-8字符串、有效的ISO-8859-1字符串或许多其他编码中的有效字符串。您可以用任何兼容的编码对其进行解码，并得到相同的结果。作者明确选择UTF-8是…有点奇怪，但技术上无关紧要