Hàm số Chuyển đổi chuỗi Unicode Tổ Hợp sang Unicode Dựng Sẵn trong Python 3

unicode_utils.py

def compound_unicode(unicode_str):
  """
  Chuyển đổi chuỗi Unicode Tổ Hợp sang Unicode Dựng Sẵn
  Edited from: `https://gist.github.com/redphx/9320735`
  """
  unicode_str = unicode_str.replace("\u0065\u0309", "\u1EBB")    # ẻ
  unicode_str = unicode_str.replace("\u0065\u0301", "\u00E9")    # é
  unicode_str = unicode_str.replace("\u0065\u0300", "\u00E8")    # è
  unicode_str = unicode_str.replace("\u0065\u0323", "\u1EB9")    # ẹ
  unicode_str = unicode_str.replace("\u0065\u0303", "\u1EBD")    # ẽ
  unicode_str = unicode_str.replace("\u00EA\u0309", "\u1EC3")    # ể
  unicode_str = unicode_str.replace("\u00EA\u0301", "\u1EBF")    # ế
  unicode_str = unicode_str.replace("\u00EA\u0300", "\u1EC1")    # ề
  unicode_str = unicode_str.replace("\u00EA\u0323", "\u1EC7")    # ệ
  unicode_str = unicode_str.replace("\u00EA\u0303", "\u1EC5")    # ễ
  unicode_str = unicode_str.replace("\u0079\u0309", "\u1EF7")    # ỷ
  unicode_str = unicode_str.replace("\u0079\u0301", "\u00FD")    # ý
  unicode_str = unicode_str.replace("\u0079\u0300", "\u1EF3")    # ỳ
  unicode_str = unicode_str.replace("\u0079\u0323", "\u1EF5")    # ỵ
  unicode_str = unicode_str.replace("\u0079\u0303", "\u1EF9")    # ỹ
  unicode_str = unicode_str.replace("\u0075\u0309", "\u1EE7")    # ủ
  unicode_str = unicode_str.replace("\u0075\u0301", "\u00FA")    # ú
  unicode_str = unicode_str.replace("\u0075\u0300", "\u00F9")    # ù
  unicode_str = unicode_str.replace("\u0075\u0323", "\u1EE5")    # ụ
  unicode_str = unicode_str.replace("\u0075\u0303", "\u0169")    # ũ
  unicode_str = unicode_str.replace("\u01B0\u0309", "\u1EED")    # ử
  unicode_str = unicode_str.replace("\u01B0\u0301", "\u1EE9")    # ứ
  unicode_str = unicode_str.replace("\u01B0\u0300", "\u1EEB")    # ừ
  unicode_str = unicode_str.replace("\u01B0\u0323", "\u1EF1")    # ự
  unicode_str = unicode_str.replace("\u01B0\u0303", "\u1EEF")    # ữ
  unicode_str = unicode_str.replace("\u0069\u0309", "\u1EC9")    # ỉ
  unicode_str = unicode_str.replace("\u0069\u0301", "\u00ED")    # í
  unicode_str = unicode_str.replace("\u0069\u0300", "\u00EC")    # ì
  unicode_str = unicode_str.replace("\u0069\u0323", "\u1ECB")    # ị
  unicode_str = unicode_str.replace("\u0069\u0303", "\u0129")    # ĩ
  unicode_str = unicode_str.replace("\u006F\u0309", "\u1ECF")    # ỏ
  unicode_str = unicode_str.replace("\u006F\u0301", "\u00F3")    # ó
  unicode_str = unicode_str.replace("\u006F\u0300", "\u00F2")    # ò
  unicode_str = unicode_str.replace("\u006F\u0323", "\u1ECD")    # ọ
  unicode_str = unicode_str.replace("\u006F\u0303", "\u00F5")    # õ
  unicode_str = unicode_str.replace("\u01A1\u0309", "\u1EDF")    # ở
  unicode_str = unicode_str.replace("\u01A1\u0301", "\u1EDB")    # ớ
  unicode_str = unicode_str.replace("\u01A1\u0300", "\u1EDD")    # ờ
  unicode_str = unicode_str.replace("\u01A1\u0323", "\u1EE3")    # ợ
  unicode_str = unicode_str.replace("\u01A1\u0303", "\u1EE1")    # ỡ
  unicode_str = unicode_str.replace("\u00F4\u0309", "\u1ED5")    # ổ
  unicode_str = unicode_str.replace("\u00F4\u0301", "\u1ED1")    # ố
  unicode_str = unicode_str.replace("\u00F4\u0300", "\u1ED3")    # ồ
  unicode_str = unicode_str.replace("\u00F4\u0323", "\u1ED9")    # ộ
  unicode_str = unicode_str.replace("\u00F4\u0303", "\u1ED7")    # ỗ
  unicode_str = unicode_str.replace("\u0061\u0309", "\u1EA3")    # ả
  unicode_str = unicode_str.replace("\u0061\u0301", "\u00E1")    # á
  unicode_str = unicode_str.replace("\u0061\u0300", "\u00E0")    # à
  unicode_str = unicode_str.replace("\u0061\u0323", "\u1EA1")    # ạ
  unicode_str = unicode_str.replace("\u0061\u0303", "\u00E3")    # ã
  unicode_str = unicode_str.replace("\u0103\u0309", "\u1EB3")    # ẳ
  unicode_str = unicode_str.replace("\u0103\u0301", "\u1EAF")    # ắ
  unicode_str = unicode_str.replace("\u0103\u0300", "\u1EB1")    # ằ
  unicode_str = unicode_str.replace("\u0103\u0323", "\u1EB7")    # ặ
  unicode_str = unicode_str.replace("\u0103\u0303", "\u1EB5")    # ẵ
  unicode_str = unicode_str.replace("\u00E2\u0309", "\u1EA9")    # ẩ
  unicode_str = unicode_str.replace("\u00E2\u0301", "\u1EA5")    # ấ
  unicode_str = unicode_str.replace("\u00E2\u0300", "\u1EA7")    # ầ
  unicode_str = unicode_str.replace("\u00E2\u0323", "\u1EAD")    # ậ
  unicode_str = unicode_str.replace("\u00E2\u0303", "\u1EAB")    # ẫ
  unicode_str = unicode_str.replace("\u0045\u0309", "\u1EBA")    # Ẻ
  unicode_str = unicode_str.replace("\u0045\u0301", "\u00C9")    # É
  unicode_str = unicode_str.replace("\u0045\u0300", "\u00C8")    # È
  unicode_str = unicode_str.replace("\u0045\u0323", "\u1EB8")    # Ẹ
  unicode_str = unicode_str.replace("\u0045\u0303", "\u1EBC")    # Ẽ
  unicode_str = unicode_str.replace("\u00CA\u0309", "\u1EC2")    # Ể
  unicode_str = unicode_str.replace("\u00CA\u0301", "\u1EBE")    # Ế
  unicode_str = unicode_str.replace("\u00CA\u0300", "\u1EC0")    # Ề
  unicode_str = unicode_str.replace("\u00CA\u0323", "\u1EC6")    # Ệ
  unicode_str = unicode_str.replace("\u00CA\u0303", "\u1EC4")    # Ễ
  unicode_str = unicode_str.replace("\u0059\u0309", "\u1EF6")    # Ỷ
  unicode_str = unicode_str.replace("\u0059\u0301", "\u00DD")    # Ý
  unicode_str = unicode_str.replace("\u0059\u0300", "\u1EF2")    # Ỳ
  unicode_str = unicode_str.replace("\u0059\u0323", "\u1EF4")    # Ỵ
  unicode_str = unicode_str.replace("\u0059\u0303", "\u1EF8")    # Ỹ
  unicode_str = unicode_str.replace("\u0055\u0309", "\u1EE6")    # Ủ
  unicode_str = unicode_str.replace("\u0055\u0301", "\u00DA")    # Ú
  unicode_str = unicode_str.replace("\u0055\u0300", "\u00D9")    # Ù
  unicode_str = unicode_str.replace("\u0055\u0323", "\u1EE4")    # Ụ
  unicode_str = unicode_str.replace("\u0055\u0303", "\u0168")    # Ũ
  unicode_str = unicode_str.replace("\u01AF\u0309", "\u1EEC")    # Ử
  unicode_str = unicode_str.replace("\u01AF\u0301", "\u1EE8")    # Ứ
  unicode_str = unicode_str.replace("\u01AF\u0300", "\u1EEA")    # Ừ
  unicode_str = unicode_str.replace("\u01AF\u0323", "\u1EF0")    # Ự
  unicode_str = unicode_str.replace("\u01AF\u0303", "\u1EEE")    # Ữ
  unicode_str = unicode_str.replace("\u0049\u0309", "\u1EC8")    # Ỉ
  unicode_str = unicode_str.replace("\u0049\u0301", "\u00CD")    # Í
  unicode_str = unicode_str.replace("\u0049\u0300", "\u00CC")    # Ì
  unicode_str = unicode_str.replace("\u0049\u0323", "\u1ECA")    # Ị
  unicode_str = unicode_str.replace("\u0049\u0303", "\u0128")    # Ĩ
  unicode_str = unicode_str.replace("\u004F\u0309", "\u1ECE")    # Ỏ
  unicode_str = unicode_str.replace("\u004F\u0301", "\u00D3")    # Ó
  unicode_str = unicode_str.replace("\u004F\u0300", "\u00D2")    # Ò
  unicode_str = unicode_str.replace("\u004F\u0323", "\u1ECC")    # Ọ
  unicode_str = unicode_str.replace("\u004F\u0303", "\u00D5")    # Õ
  unicode_str = unicode_str.replace("\u01A0\u0309", "\u1EDE")    # Ở
  unicode_str = unicode_str.replace("\u01A0\u0301", "\u1EDA")    # Ớ
  unicode_str = unicode_str.replace("\u01A0\u0300", "\u1EDC")    # Ờ
  unicode_str = unicode_str.replace("\u01A0\u0323", "\u1EE2")    # Ợ
  unicode_str = unicode_str.replace("\u01A0\u0303", "\u1EE0")    # Ỡ
  unicode_str = unicode_str.replace("\u00D4\u0309", "\u1ED4")    # Ổ
  unicode_str = unicode_str.replace("\u00D4\u0301", "\u1ED0")    # Ố
  unicode_str = unicode_str.replace("\u00D4\u0300", "\u1ED2")    # Ồ
  unicode_str = unicode_str.replace("\u00D4\u0323", "\u1ED8")    # Ộ
  unicode_str = unicode_str.replace("\u00D4\u0303", "\u1ED6")    # Ỗ
  unicode_str = unicode_str.replace("\u0041\u0309", "\u1EA2")    # Ả
  unicode_str = unicode_str.replace("\u0041\u0301", "\u00C1")    # Á
  unicode_str = unicode_str.replace("\u0041\u0300", "\u00C0")    # À
  unicode_str = unicode_str.replace("\u0041\u0323", "\u1EA0")    # Ạ
  unicode_str = unicode_str.replace("\u0041\u0303", "\u00C3")    # Ã
  unicode_str = unicode_str.replace("\u0102\u0309", "\u1EB2")    # Ẳ
  unicode_str = unicode_str.replace("\u0102\u0301", "\u1EAE")    # Ắ
  unicode_str = unicode_str.replace("\u0102\u0300", "\u1EB0")    # Ằ
  unicode_str = unicode_str.replace("\u0102\u0323", "\u1EB6")    # Ặ
  unicode_str = unicode_str.replace("\u0102\u0303", "\u1EB4")    # Ẵ
  unicode_str = unicode_str.replace("\u00C2\u0309", "\u1EA8")    # Ẩ
  unicode_str = unicode_str.replace("\u00C2\u0301", "\u1EA4")    # Ấ
  unicode_str = unicode_str.replace("\u00C2\u0300", "\u1EA6")    # Ầ
  unicode_str = unicode_str.replace("\u00C2\u0323", "\u1EAC")    # Ậ
  unicode_str = unicode_str.replace("\u00C2\u0303", "\u1EAA")    # Ẫ
  return unicode_str