如何用Python在数据库中保留带西班牙语重音的记录

嘿，针对你这个西班牙语数据库去重但要保留重音版本的需求，在Python 3.5里有几个实用的方案，我给你拆解清楚：

Python 3.5自带的unicodedata模块就能搞定核心的重音归一化，我们可以通过“无重音版本作为匹配键”来把相似条目分组，然后每组里优先保留带重音的原字符串。

具体代码示例：

import unicodedata

# 定义一个去除重音的函数，仅用于匹配分组
def normalize_to_ascii(s):
    # 分解Unicode字符，移除重音标记
    return ''.join(c for c in unicodedata.normalize('NFD', s)
                   if unicodedata.category(c) != 'Mn')

# 模拟你的数据库数据
db_entries = ["Administración", "Administracion", "Café", "Cafe", "Niño", "Nino"]

# 用字典分组：键是无重音版本，值是对应的所有原条目
entry_groups = {}
for entry in db_entries:
    normalized_key = normalize_to_ascii(entry)
    if normalized_key not in entry_groups:
        entry_groups[normalized_key] = []
    entry_groups[normalized_key].append(entry)

# 从每组中筛选保留带重音的版本
cleaned_db = []
for group in entry_groups.values():
    # 找出组里所有带重音的条目
    accented_entries = [item for item in group if item != normalize_to_ascii(item)]
    if accented_entries:
        # 优先保留第一个带重音的条目，你也可以根据需求调整逻辑
        cleaned_db.append(accented_entries[0])
    else:
        # 如果全是无重音的，就保留任意一个
        cleaned_db.append(group[0])

print(cleaned_db)
# 输出结果：['Administración', 'Café', 'Niño']

这个方案完全不需要额外安装库，兼容性拉满，而且逻辑清晰，你可以根据自己的数据库规模调整优化。

如果你不想自己写去除重音的逻辑，可以用unidecode库，但要注意安装Python 3.5兼容的版本——unidecode==1.1.1是支持3.5的。

步骤如下：

1. 安装指定版本：pip install unidecode==1.1.1
2. 代码实现：

from unidecode import unidecode

db_entries = ["Administración", "Administracion", "Café", "Cafe", "Niño", "Nino"]

entry_groups = {}
for entry in db_entries:
    # 用unidecode直接转成无重音的ASCII字符串作为键
    normalized_key = unidecode(entry)
    if normalized_key not in entry_groups:
        entry_groups[normalized_key] = []
    entry_groups[normalized_key].append(entry)

# 筛选保留带重音的版本
cleaned_db = []
for group in entry_groups.values():
    # 检查条目里是否包含西班牙语重音字符
    accented_entries = [item for item in group if any(char in 'áéíóúüñ' for char in item)]
    if accented_entries:
        cleaned_db.append(accented_entries[0])
    else:
        cleaned_db.append(group[0])

print(cleaned_db)

这个库能自动处理更多特殊字符，比手动写映射更省心，适合快速开发。

如果你的数据库里同组存在多个带重音的不同拼写（比如不同的正确变体），可能需要结合西班牙语词典来验证“正确版本”，不过Python 3.5上的PyEnchant确实不太适合做保留重音的验证，所以优先用上面的分组方法来实现核心需求。

内容的提问来源于stack exchange，提问作者Esteban Sierra