python-unidecode/tests/test_unidecode.py at master · sysfce2/python-unidecode · GitHub

Repository navigation

History

100

101

102

103

104

105

106

107

108

109

110

111

112

113

114

115

116

117

118

119

120

121

122

123

124

125

126

127

128

129

130

131

132

133

134

135

136

137

138

139

140

141

142

143

144

145

146

147

148

149

150

151

152

153

154

155

156

157

158

159

160

161

162

163

164

165

166

167

168

169

170

171

172

173

174

175

176

177

178

179

180

181

182

183

184

185

186

187

188

189

190

191

192

193

194

195

196

197

198

199

200

201

202

203

204

205

206

207

208

209

210

211

212

213

214

215

216

217

218

219

220

221

222

223

224

225

226

227

228

229

230

231

232

233

234

235

236

237

238

239

240

241

242

243

244

245

246

247

248

249

250

251

252

253

254

255

256

257

258

259

260

261

262

263

264

265

266

267

268

269

270

271

272

273

274

275

276

277

278

279

280

281

282

283

284

285

286

287

288

289

290

291

292

293

294

295

296

297

298

299

300

301

302

303

304

305

306

307

308

309

310

311

312

313

314

315

316

317

318

319

320

321

322

323

324

325

326

327

328

329

330

331

332

333

334

335

336

337

338

339

340

341

342

343

344

345

346

347

348

349

350

351

352

353

354

355

356

357

358

359

360

361

362

363

364

365

366

367

368

369

370

371

372

373

374

375

376

377

378

379

380

381

382

383

384

385

386

387

388

389

390

391

392

393

394

395

396

397

398

399

400

401

402

403

404

405

406

407

408

409

410

411

412

413

414

415

416

417

418

419

420

421

422

423

424

425

426

427

428

429

430

431

432

433

434

435

436

437

438

439

440

441

442

443

444

445

446

447

448

449

450

451

452

453

454

455

456

457

458

459

460

461

462

463

464

465

466

467

468

469

470

471

472

473

474

475

476

477

478

479

480

481

482

483

484

485

486

487

488

489

490

491

492

493

494

495

496

497

498

499

500

501

502

503

504

505

506

507

508

509

510

511

512

513

514

515

516

517

518

519

520

521

522

523

524

525

526

527

528

529

530

531

532

533

534

535

536

537

538

539

540

# -*- coding: utf-8 -*-

# vim:ts=4 sw=4 expandtab softtabstop=4

import unittest

import sys

from unidecode import unidecode, unidecode_expect_ascii, unidecode_expect_nonascii, UnidecodeError

import warnings

class WarningLogger:

def __init__(self):

self.clear()

def start(self, filter):

self.showwarning_old = warnings.showwarning

def showwarning_new(message, category, *args):

if (filter in str(message)) and \

(category is RuntimeWarning):

self.log.append((message, category))

else:

self.showwarning_old(message, category, *args)

warnings.showwarning = showwarning_new

warnings.filterwarnings("always")

def stop(self):

warnings.showwarning = self.showwarning_old

def clear(self):

self.log = []

class BaseTestUnidecode():

def test_ascii_to_self(self):

wlog = WarningLogger()

wlog.start("not an unicode object")

for n in range(0,128):

t = chr(n)

r = self.unidecode(t)

self.assertEqual(r, t)

self.assertEqual(type(r), str)

# unicode objects shouldn't raise warnings

self.assertEqual(0, len(wlog.log))

wlog.stop()

def test_all_to_ascii(self):

for n in range(0,0x1ffff):

# skip over surrogate pairs, which throw a warning

if 0xd800 <= n <= 0xdfff:

continue

# Check that it doesn't throw an exception

t = chr(n)

u = self.unidecode(t)

# Check that returned string encodes to ASCII

b = u.encode('ascii')

def test_surrogates(self):

wlog = WarningLogger()

wlog.start("Surrogate character")

for n in range(0xd800, 0xe000):

t = chr(n)

s = self.unidecode(t)

# Check that surrogate characters translate to nothing.

self.assertEqual('', s)

wlog.stop()

self.assertEqual(0xe000-0xd800, len(wlog.log))

def test_space(self):

for n in range(0x80, 0x10000):

t = chr(n)

if t.isspace():

s = self.unidecode(t)

self.assertTrue((s == '') or s.isspace(),

'unidecode(%r) should return an empty string or ASCII space, '

'since %r.isspace() is true. Instead it returns %r' % (t, t, s))

@unittest.skipIf(sys.maxunicode < 0x10000, "narrow build")

def test_surrogate_pairs(self):

# same character, written as a non-BMP character and a

# surrogate pair

s = '\U0001d4e3'

# Note: this needs to be constructed at run-time, otherwise

# a "wide" Python seems to optimize it automatically into a

# single character.

s_sp_1 = '\ud835'

s_sp_2 = '\udce3'

s_sp = s_sp_1 + s_sp_2

self.assertEqual(s.encode('utf16'), s_sp.encode('utf16', errors='surrogatepass'))

wlog = WarningLogger()

wlog.start("Surrogate character")

a = self.unidecode(s)

a_sp = self.unidecode(s_sp)

self.assertEqual('T', a)

# Two warnings should have been logged

self.assertEqual(2, len(wlog.log))

wlog.stop()

def test_circled_latin(self):

# 1 sequence of a-z

for n in range(0, 26):

a = chr(ord('a') + n)

b = self.unidecode(chr(0x24d0 + n))

self.assertEqual(b, a)

@unittest.skipIf(sys.maxunicode < 0x10000, "narrow build")

def test_mathematical_latin(self):

# 13 consecutive sequences of A-Z, a-z with some codepoints

# undefined. We just count the undefined ones and don't check

# positions.

empty = 0

for n in range(0x1d400, 0x1d6a4):

if n % 52 < 26:

a = chr(ord('A') + n % 26)

else:

a = chr(ord('a') + n % 26)

b = self.unidecode(chr(n))

if not b:

empty += 1

else:

self.assertEqual(b, a)

self.assertEqual(empty, 24)

@unittest.skipIf(sys.maxunicode < 0x10000, "narrow build")

def test_mathematical_digits(self):

# 5 consecutive sequences of 0-9

for n in range(0x1d7ce, 0x1d800):

a = chr(ord('0') + (n-0x1d7ce) % 10)

b = self.unidecode(chr(n))

self.assertEqual(b, a)

def test_specific(self):

TESTS = [

('Hello, World!',

"Hello, World!"),

('\'"\r\n',

"'\"\r\n"),

('ČŽŠčžš',

"CZSczs"),

('ア',

"a"),

('α',

"a"),

('а',

"a"),

('ch\u00e2teau',

"chateau"),

('vi\u00f1edos',

"vinedos"),

('\u5317\u4EB0',

"Bei Jing "),

('Efﬁcient',

"Efficient"),

# https://github.com/iki/unidecode/commit/4a1d4e0a7b5a11796dc701099556876e7a520065

('příliš žluťoučký kůň pěl ďábelské ódy',

'prilis zlutoucky kun pel dabelske ody'),

('PŘÍLIŠ ŽLUŤOUČKÝ KŮŇ PĚL ĎÁBELSKÉ ÓDY',

'PRILIS ZLUTOUCKY KUN PEL DABELSKE ODY'),

# Table that doesn't exist

('\ua500',

''),

# Table that has less than 256 entries

('\u1eff',

''),

]

for input, correct_output in TESTS:

test_output = self.unidecode(input)

self.assertEqual(test_output, correct_output)

self.assertTrue(isinstance(test_output, str))

@unittest.skipIf(sys.maxunicode < 0x10000, "narrow build")

def test_specific_wide(self):

TESTS = [

# Non-BMP character

('\U0001d5a0',

'A'),

# Mathematical

('\U0001d5c4\U0001d5c6/\U0001d5c1',

'km/h'),

('\u2124\U0001d552\U0001d55c\U0001d552\U0001d55b \U0001d526\U0001d52a\U0001d51e \U0001d4e4\U0001d4f7\U0001d4f2\U0001d4ec\U0001d4f8\U0001d4ed\U0001d4ee \U0001d4c8\U0001d4c5\u212f\U0001d4b8\U0001d4be\U0001d4bb\U0001d4be\U0001d4c0\U0001d4b6\U0001d4b8\U0001d4be\U0001d4bf\u212f \U0001d59f\U0001d586 \U0001d631\U0001d62a\U0001d634\U0001d622\U0001d637\U0001d626?!',

'Zakaj ima Unicode specifikacije za pisave?!'),

]

for input, correct_output in TESTS:

test_output = self.unidecode(input)

self.assertEqual(test_output, correct_output)

self.assertTrue(isinstance(test_output, str))

def test_wordpress_remove_accents(self):

# This is the table from remove_accents() WordPress function.

# https://core.trac.wordpress.org/browser/trunk/wp-includes/formatting.php

def b(x):

return (x,)

wp_remove_accents = {

# Decompositions for Latin-1 Supplement

b(194)+b(170) : 'a', b(194)+b(186) : 'o',

b(195)+b(128) : 'A', b(195)+b(129) : 'A',

b(195)+b(130) : 'A', b(195)+b(131) : 'A',

b(195)+b(133) : 'A',

b(195)+b(134) : 'AE',b(195)+b(135) : 'C',

b(195)+b(136) : 'E', b(195)+b(137) : 'E',

b(195)+b(138) : 'E', b(195)+b(139) : 'E',

b(195)+b(140) : 'I', b(195)+b(141) : 'I',

b(195)+b(142) : 'I', b(195)+b(143) : 'I',

b(195)+b(144) : 'D', b(195)+b(145) : 'N',

b(195)+b(146) : 'O', b(195)+b(147) : 'O',

b(195)+b(148) : 'O', b(195)+b(149) : 'O',

b(195)+b(153) : 'U',

b(195)+b(154) : 'U', b(195)+b(155) : 'U',

b(195)+b(157) : 'Y',

b(195)+b(160) : 'a', b(195)+b(161) : 'a',

b(195)+b(162) : 'a', b(195)+b(163) : 'a',

b(195)+b(165) : 'a',

b(195)+b(166) : 'ae',b(195)+b(167) : 'c',

b(195)+b(168) : 'e', b(195)+b(169) : 'e',

b(195)+b(170) : 'e', b(195)+b(171) : 'e',

b(195)+b(172) : 'i', b(195)+b(173) : 'i',

b(195)+b(174) : 'i', b(195)+b(175) : 'i',

b(195)+b(176) : 'd', b(195)+b(177) : 'n',

b(195)+b(178) : 'o', b(195)+b(179) : 'o',

b(195)+b(180) : 'o', b(195)+b(181) : 'o',

b(195)+b(184) : 'o',

b(195)+b(185) : 'u', b(195)+b(186) : 'u',

b(195)+b(187) : 'u',

b(195)+b(189) : 'y', b(195)+b(190) : 'th',

b(195)+b(191) : 'y', b(195)+b(152) : 'O',

# Decompositions for Latin Extended-A

b(196)+b(128) : 'A', b(196)+b(129) : 'a',

b(196)+b(130) : 'A', b(196)+b(131) : 'a',

b(196)+b(132) : 'A', b(196)+b(133) : 'a',

b(196)+b(134) : 'C', b(196)+b(135) : 'c',

b(196)+b(136) : 'C', b(196)+b(137) : 'c',

b(196)+b(138) : 'C', b(196)+b(139) : 'c',

b(196)+b(140) : 'C', b(196)+b(141) : 'c',

b(196)+b(142) : 'D', b(196)+b(143) : 'd',

b(196)+b(144) : 'D', b(196)+b(145) : 'd',

b(196)+b(146) : 'E', b(196)+b(147) : 'e',

b(196)+b(148) : 'E', b(196)+b(149) : 'e',

b(196)+b(150) : 'E', b(196)+b(151) : 'e',

b(196)+b(152) : 'E', b(196)+b(153) : 'e',

b(196)+b(154) : 'E', b(196)+b(155) : 'e',

b(196)+b(156) : 'G', b(196)+b(157) : 'g',

b(196)+b(158) : 'G', b(196)+b(159) : 'g',

b(196)+b(160) : 'G', b(196)+b(161) : 'g',

b(196)+b(162) : 'G', b(196)+b(163) : 'g',

b(196)+b(164) : 'H', b(196)+b(165) : 'h',

b(196)+b(166) : 'H', b(196)+b(167) : 'h',

b(196)+b(168) : 'I', b(196)+b(169) : 'i',

b(196)+b(170) : 'I', b(196)+b(171) : 'i',

b(196)+b(172) : 'I', b(196)+b(173) : 'i',

b(196)+b(174) : 'I', b(196)+b(175) : 'i',

b(196)+b(176) : 'I', b(196)+b(177) : 'i',

b(196)+b(178) : 'IJ',b(196)+b(179) : 'ij',

b(196)+b(180) : 'J', b(196)+b(181) : 'j',

b(196)+b(182) : 'K', b(196)+b(183) : 'k',

b(196)+b(184) : 'k', b(196)+b(185) : 'L',

b(196)+b(186) : 'l', b(196)+b(187) : 'L',

b(196)+b(188) : 'l', b(196)+b(189) : 'L',

b(196)+b(190) : 'l', b(196)+b(191) : 'L',

b(197)+b(128) : 'l', b(197)+b(129) : 'L',

b(197)+b(130) : 'l', b(197)+b(131) : 'N',

b(197)+b(132) : 'n', b(197)+b(133) : 'N',

b(197)+b(134) : 'n', b(197)+b(135) : 'N',

b(197)+b(136) : 'n',

b(197)+b(140) : 'O', b(197)+b(141) : 'o',

b(197)+b(142) : 'O', b(197)+b(143) : 'o',

b(197)+b(144) : 'O', b(197)+b(145) : 'o',

b(197)+b(146) : 'OE',b(197)+b(147) : 'oe',

b(197)+b(148) : 'R',b(197)+b(149) : 'r',

b(197)+b(150) : 'R',b(197)+b(151) : 'r',

b(197)+b(152) : 'R',b(197)+b(153) : 'r',

b(197)+b(154) : 'S',b(197)+b(155) : 's',

b(197)+b(156) : 'S',b(197)+b(157) : 's',

b(197)+b(158) : 'S',b(197)+b(159) : 's',

b(197)+b(160) : 'S', b(197)+b(161) : 's',

b(197)+b(162) : 'T', b(197)+b(163) : 't',

b(197)+b(164) : 'T', b(197)+b(165) : 't',

b(197)+b(166) : 'T', b(197)+b(167) : 't',

b(197)+b(168) : 'U', b(197)+b(169) : 'u',

b(197)+b(170) : 'U', b(197)+b(171) : 'u',

b(197)+b(172) : 'U', b(197)+b(173) : 'u',

b(197)+b(174) : 'U', b(197)+b(175) : 'u',

b(197)+b(176) : 'U', b(197)+b(177) : 'u',

b(197)+b(178) : 'U', b(197)+b(179) : 'u',

b(197)+b(180) : 'W', b(197)+b(181) : 'w',

b(197)+b(182) : 'Y', b(197)+b(183) : 'y',

b(197)+b(184) : 'Y', b(197)+b(185) : 'Z',

b(197)+b(186) : 'z', b(197)+b(187) : 'Z',

b(197)+b(188) : 'z', b(197)+b(189) : 'Z',

b(197)+b(190) : 'z', b(197)+b(191) : 's',

# Decompositions for Latin Extended-B

b(200)+b(152) : 'S', b(200)+b(153) : 's',

b(200)+b(154) : 'T', b(200)+b(155) : 't',

# Vowels with diacritic (Vietnamese)

# unmarked

b(198)+b(160) : 'O', b(198)+b(161) : 'o',

b(198)+b(175) : 'U', b(198)+b(176) : 'u',

# grave accent

b(225)+b(186)+b(166) : 'A', b(225)+b(186)+b(167) : 'a',

b(225)+b(186)+b(176) : 'A', b(225)+b(186)+b(177) : 'a',

b(225)+b(187)+b(128) : 'E', b(225)+b(187)+b(129) : 'e',

b(225)+b(187)+b(146) : 'O', b(225)+b(187)+b(147) : 'o',

b(225)+b(187)+b(156) : 'O', b(225)+b(187)+b(157) : 'o',

b(225)+b(187)+b(170) : 'U', b(225)+b(187)+b(171) : 'u',

b(225)+b(187)+b(178) : 'Y', b(225)+b(187)+b(179) : 'y',

# hook

b(225)+b(186)+b(162) : 'A', b(225)+b(186)+b(163) : 'a',

b(225)+b(186)+b(168) : 'A', b(225)+b(186)+b(169) : 'a',

b(225)+b(186)+b(178) : 'A', b(225)+b(186)+b(179) : 'a',

b(225)+b(186)+b(186) : 'E', b(225)+b(186)+b(187) : 'e',

b(225)+b(187)+b(130) : 'E', b(225)+b(187)+b(131) : 'e',

b(225)+b(187)+b(136) : 'I', b(225)+b(187)+b(137) : 'i',

b(225)+b(187)+b(142) : 'O', b(225)+b(187)+b(143) : 'o',

b(225)+b(187)+b(148) : 'O', b(225)+b(187)+b(149) : 'o',

b(225)+b(187)+b(158) : 'O', b(225)+b(187)+b(159) : 'o',

b(225)+b(187)+b(166) : 'U', b(225)+b(187)+b(167) : 'u',

b(225)+b(187)+b(172) : 'U', b(225)+b(187)+b(173) : 'u',

b(225)+b(187)+b(182) : 'Y', b(225)+b(187)+b(183) : 'y',

# tilde

b(225)+b(186)+b(170) : 'A', b(225)+b(186)+b(171) : 'a',

b(225)+b(186)+b(180) : 'A', b(225)+b(186)+b(181) : 'a',

b(225)+b(186)+b(188) : 'E', b(225)+b(186)+b(189) : 'e',

b(225)+b(187)+b(132) : 'E', b(225)+b(187)+b(133) : 'e',

b(225)+b(187)+b(150) : 'O', b(225)+b(187)+b(151) : 'o',

b(225)+b(187)+b(160) : 'O', b(225)+b(187)+b(161) : 'o',

b(225)+b(187)+b(174) : 'U', b(225)+b(187)+b(175) : 'u',

b(225)+b(187)+b(184) : 'Y', b(225)+b(187)+b(185) : 'y',

# acute accent

b(225)+b(186)+b(164) : 'A', b(225)+b(186)+b(165) : 'a',

b(225)+b(186)+b(174) : 'A', b(225)+b(186)+b(175) : 'a',

b(225)+b(186)+b(190) : 'E', b(225)+b(186)+b(191) : 'e',

b(225)+b(187)+b(144) : 'O', b(225)+b(187)+b(145) : 'o',

b(225)+b(187)+b(154) : 'O', b(225)+b(187)+b(155) : 'o',

b(225)+b(187)+b(168) : 'U', b(225)+b(187)+b(169) : 'u',

# dot below

b(225)+b(186)+b(160) : 'A', b(225)+b(186)+b(161) : 'a',

b(225)+b(186)+b(172) : 'A', b(225)+b(186)+b(173) : 'a',

b(225)+b(186)+b(182) : 'A', b(225)+b(186)+b(183) : 'a',

b(225)+b(186)+b(184) : 'E', b(225)+b(186)+b(185) : 'e',

b(225)+b(187)+b(134) : 'E', b(225)+b(187)+b(135) : 'e',

b(225)+b(187)+b(138) : 'I', b(225)+b(187)+b(139) : 'i',

b(225)+b(187)+b(140) : 'O', b(225)+b(187)+b(141) : 'o',

b(225)+b(187)+b(152) : 'O', b(225)+b(187)+b(153) : 'o',

b(225)+b(187)+b(162) : 'O', b(225)+b(187)+b(163) : 'o',

b(225)+b(187)+b(164) : 'U', b(225)+b(187)+b(165) : 'u',

b(225)+b(187)+b(176) : 'U', b(225)+b(187)+b(177) : 'u',

b(225)+b(187)+b(180) : 'Y', b(225)+b(187)+b(181) : 'y',

# Vowels with diacritic (Chinese, Hanyu Pinyin)

b(201)+b(145) : 'a',

# macron

b(199)+b(149) : 'U', b(199)+b(150) : 'u',

# acute accent

b(199)+b(151) : 'U', b(199)+b(152) : 'u',

# caron

b(199)+b(141) : 'A', b(199)+b(142) : 'a',

b(199)+b(143) : 'I', b(199)+b(144) : 'i',

b(199)+b(145) : 'O', b(199)+b(146) : 'o',

b(199)+b(147) : 'U', b(199)+b(148) : 'u',

b(199)+b(153) : 'U', b(199)+b(154) : 'u',

# grave accent

b(199)+b(155) : 'U', b(199)+b(156) : 'u',

b(195)+b(132) : 'A',

b(195)+b(150) : 'O',

b(195)+b(156) : 'U',

#b(195)+b(159) : 's',

b(195)+b(164) : 'a',

b(195)+b(182) : 'o',

b(195)+b(188) : 'u',

# Known differences:

#b(195)+b(158) : 'TH',

#b(197)+b(137) : 'N',

#b(197)+b(138) : 'n',

#b(197)+b(139) : 'N',

# Euro Sign

#b(226)+b(130)+b(172) : 'E',

# GBP (Pound) Sign

#b(194)+b(163) : '',

}

for utf8_input, correct_output in wp_remove_accents.items():

inp = bytes(utf8_input).decode('utf8')

output = self.unidecode(inp)

self.assertEqual(correct_output, output)

@unittest.skipIf(sys.maxunicode < 0x10000, "narrow build")

def test_unicode_text_converter(self):

# Examples from http://www.panix.com/~eli/unicode/convert.cgi

lower = [

# Fullwidth

'\uff54\uff48\uff45 \uff51\uff55\uff49\uff43\uff4b \uff42\uff52\uff4f\uff57\uff4e \uff46\uff4f\uff58 \uff4a\uff55\uff4d\uff50\uff53 \uff4f\uff56\uff45\uff52 \uff54\uff48\uff45 \uff4c\uff41\uff5a\uff59 \uff44\uff4f\uff47 \uff11\uff12\uff13\uff14\uff15\uff16\uff17\uff18\uff19\uff10',

# Double-struck

'\U0001d565\U0001d559\U0001d556 \U0001d562\U0001d566\U0001d55a\U0001d554\U0001d55c \U0001d553\U0001d563\U0001d560\U0001d568\U0001d55f \U0001d557\U0001d560\U0001d569 \U0001d55b\U0001d566\U0001d55e\U0001d561\U0001d564 \U0001d560\U0001d567\U0001d556\U0001d563 \U0001d565\U0001d559\U0001d556 \U0001d55d\U0001d552\U0001d56b\U0001d56a \U0001d555\U0001d560\U0001d558 \U0001d7d9\U0001d7da\U0001d7db\U0001d7dc\U0001d7dd\U0001d7de\U0001d7df\U0001d7e0\U0001d7e1\U0001d7d8',

# Bold

'\U0001d42d\U0001d421\U0001d41e \U0001d42a\U0001d42e\U0001d422\U0001d41c\U0001d424 \U0001d41b\U0001d42b\U0001d428\U0001d430\U0001d427 \U0001d41f\U0001d428\U0001d431 \U0001d423\U0001d42e\U0001d426\U0001d429\U0001d42c \U0001d428\U0001d42f\U0001d41e\U0001d42b \U0001d42d\U0001d421\U0001d41e \U0001d425\U0001d41a\U0001d433\U0001d432 \U0001d41d\U0001d428\U0001d420 \U0001d7cf\U0001d7d0\U0001d7d1\U0001d7d2\U0001d7d3\U0001d7d4\U0001d7d5\U0001d7d6\U0001d7d7\U0001d7ce',

# Bold italic

'\U0001d495\U0001d489\U0001d486 \U0001d492\U0001d496\U0001d48a\U0001d484\U0001d48c \U0001d483\U0001d493\U0001d490\U0001d498\U0001d48f \U0001d487\U0001d490\U0001d499 \U0001d48b\U0001d496\U0001d48e\U0001d491\U0001d494 \U0001d490\U0001d497\U0001d486\U0001d493 \U0001d495\U0001d489\U0001d486 \U0001d48d\U0001d482\U0001d49b\U0001d49a \U0001d485\U0001d490\U0001d488 1234567890',

# Bold script

'\U0001d4fd\U0001d4f1\U0001d4ee \U0001d4fa\U0001d4fe\U0001d4f2\U0001d4ec\U0001d4f4 \U0001d4eb\U0001d4fb\U0001d4f8\U0001d500\U0001d4f7 \U0001d4ef\U0001d4f8\U0001d501 \U0001d4f3\U0001d4fe\U0001d4f6\U0001d4f9\U0001d4fc \U0001d4f8\U0001d4ff\U0001d4ee\U0001d4fb \U0001d4fd\U0001d4f1\U0001d4ee \U0001d4f5\U0001d4ea\U0001d503\U0001d502 \U0001d4ed\U0001d4f8\U0001d4f0 1234567890',

# Fraktur

'\U0001d599\U0001d58d\U0001d58a \U0001d596\U0001d59a\U0001d58e\U0001d588\U0001d590 \U0001d587\U0001d597\U0001d594\U0001d59c\U0001d593 \U0001d58b\U0001d594\U0001d59d \U0001d58f\U0001d59a\U0001d592\U0001d595\U0001d598 \U0001d594\U0001d59b\U0001d58a\U0001d597 \U0001d599\U0001d58d\U0001d58a \U0001d591\U0001d586\U0001d59f\U0001d59e \U0001d589\U0001d594\U0001d58c 1234567890',

]

for s in lower:

o = self.unidecode(s)

self.assertEqual('the quick brown fox jumps over the lazy dog 1234567890', o)

upper = [

# Fullwidth

'\uff34\uff28\uff25 \uff31\uff35\uff29\uff23\uff2b \uff22\uff32\uff2f\uff37\uff2e \uff26\uff2f\uff38 \uff2a\uff35\uff2d\uff30\uff33 \uff2f\uff36\uff25\uff32 \uff34\uff28\uff25 \uff2c\uff21\uff3a\uff39 \uff24\uff2f\uff27 \uff11\uff12\uff13\uff14\uff15\uff16\uff17\uff18\uff19\uff10',

# Double-struck

'\U0001d54b\u210d\U0001d53c \u211a\U0001d54c\U0001d540\u2102\U0001d542 \U0001d539\u211d\U0001d546\U0001d54e\u2115 \U0001d53d\U0001d546\U0001d54f \U0001d541\U0001d54c\U0001d544\u2119\U0001d54a \U0001d546\U0001d54d\U0001d53c\u211d \U0001d54b\u210d\U0001d53c \U0001d543\U0001d538\u2124\U0001d550 \U0001d53b\U0001d546\U0001d53e \U0001d7d9\U0001d7da\U0001d7db\U0001d7dc\U0001d7dd\U0001d7de\U0001d7df\U0001d7e0\U0001d7e1\U0001d7d8',

# Bold

'\U0001d413\U0001d407\U0001d404 \U0001d410\U0001d414\U0001d408\U0001d402\U0001d40a \U0001d401\U0001d411\U0001d40e\U0001d416\U0001d40d \U0001d405\U0001d40e\U0001d417 \U0001d409\U0001d414\U0001d40c\U0001d40f\U0001d412 \U0001d40e\U0001d415\U0001d404\U0001d411 \U0001d413\U0001d407\U0001d404 \U0001d40b\U0001d400\U0001d419\U0001d418 \U0001d403\U0001d40e\U0001d406 \U0001d7cf\U0001d7d0\U0001d7d1\U0001d7d2\U0001d7d3\U0001d7d4\U0001d7d5\U0001d7d6\U0001d7d7\U0001d7ce',

# Bold italic

'\U0001d47b\U0001d46f\U0001d46c \U0001d478\U0001d47c\U0001d470\U0001d46a\U0001d472 \U0001d469\U0001d479\U0001d476\U0001d47e\U0001d475 \U0001d46d\U0001d476\U0001d47f \U0001d471\U0001d47c\U0001d474\U0001d477\U0001d47a \U0001d476\U0001d47d\U0001d46c\U0001d479 \U0001d47b\U0001d46f\U0001d46c \U0001d473\U0001d468\U0001d481\U0001d480 \U0001d46b\U0001d476\U0001d46e 1234567890',

# Bold script

'\U0001d4e3\U0001d4d7\U0001d4d4 \U0001d4e0\U0001d4e4\U0001d4d8\U0001d4d2\U0001d4da \U0001d4d1\U0001d4e1\U0001d4de\U0001d4e6\U0001d4dd \U0001d4d5\U0001d4de\U0001d4e7 \U0001d4d9\U0001d4e4\U0001d4dc\U0001d4df\U0001d4e2 \U0001d4de\U0001d4e5\U0001d4d4\U0001d4e1 \U0001d4e3\U0001d4d7\U0001d4d4 \U0001d4db\U0001d4d0\U0001d4e9\U0001d4e8 \U0001d4d3\U0001d4de\U0001d4d6 1234567890',

# Fraktur

'\U0001d57f\U0001d573\U0001d570 \U0001d57c\U0001d580\U0001d574\U0001d56e\U0001d576 \U0001d56d\U0001d57d\U0001d57a\U0001d582\U0001d579 \U0001d571\U0001d57a\U0001d583 \U0001d575\U0001d580\U0001d578\U0001d57b\U0001d57e \U0001d57a\U0001d581\U0001d570\U0001d57d \U0001d57f\U0001d573\U0001d570 \U0001d577\U0001d56c\U0001d585\U0001d584 \U0001d56f\U0001d57a\U0001d572 1234567890',

]

for s in upper:

o = self.unidecode(s)

self.assertEqual('THE QUICK BROWN FOX JUMPS OVER THE LAZY DOG 1234567890', o)

def test_enclosed_alphanumerics(self):

self.assertEqual(

'aA20(20)20.20100',

self.unidecode('ⓐⒶ⑳⒇⒛⓴⓾⓿'),

)

@unittest.skipIf(sys.maxunicode < 0x10000, "narrow build")

def test_errors_ignore(self):

# unidecode doesn't have replacements for private use characters

o = self.unidecode("test \U000f0000 test", errors='ignore')

self.assertEqual('test test', o)

@unittest.skipIf(sys.maxunicode < 0x10000, "narrow build")

def test_errors_replace(self):

o = self.unidecode("test \U000f0000 test", errors='replace')

self.assertEqual('test ? test', o)

@unittest.skipIf(sys.maxunicode < 0x10000, "narrow build")

def test_errors_replace_str(self):

o = self.unidecode("test \U000f0000 test", errors='replace', replace_str='[?] ')

self.assertEqual('test [?] test', o)

@unittest.skipIf(sys.maxunicode < 0x10000, "narrow build")

def test_errors_strict(self):

with self.assertRaises(UnidecodeError) as e:

o = self.unidecode("test \U000f0000 test", errors='strict')

self.assertEqual(5, e.exception.index)

# This checks that the exception is not chained (i.e. you don't get the

# "During handling of the above exception, another exception occurred")

self.assertIsNone(e.exception.__context__)

@unittest.skipIf(sys.maxunicode < 0x10000, "narrow build")

def test_errors_preserve(self):

s = "test \U000f0000 test"

o = self.unidecode(s, errors='preserve')

self.assertEqual(s, o)

@unittest.skipIf(sys.maxunicode < 0x10000, "narrow build")

def test_errors_invalid(self):

with self.assertRaises(UnidecodeError) as e:

self.unidecode("test \U000f0000 test", errors='invalid')

# This checks that the exception is not chained (i.e. you don't get the

# "During handling of the above exception, another exception occurred")

self.assertIsNone(e.exception.__context__)

def test_degree(self):

self.assertEqual(self.unidecode('\u2109'), self.unidecode('\u00b0F'))

self.assertEqual(self.unidecode('\u2103'), self.unidecode('\u00b0C'))

class TestUnidecode(BaseTestUnidecode, unittest.TestCase):

unidecode = staticmethod(unidecode)

class TestUnidecodeExpectASCII(BaseTestUnidecode, unittest.TestCase):

unidecode = staticmethod(unidecode_expect_ascii)

class TestUnidecodeExpectNonASCII(BaseTestUnidecode, unittest.TestCase):

unidecode = staticmethod(unidecode_expect_nonascii)

if __name__ == "__main__":

unittest.main()

python-unidecode/tests/test_unidecode.py at master · sysfce2/python-unidecode · GitHub

Repository navigation

Expand file tree

Breadcrumbs

test_unidecode.py

Latest commit

History

Breadcrumbs

test_unidecode.py

File metadata and controls