Hetzelfde woord maar verschillende Unicode-tekens

Het probleem dat je tegenkomt is dat unicode meerdere manieren toestaat om hetzelfde symbool samen te stellen. De Python-module unicodedata biedt een functie normalize waarmee u unicode-representaties kunt converteren naar een vast formulier (bijv. NFC)

from unicodedata import normalize

S1 = b'\xc4\x83\xcc\x83'.decode('UTF-8')
S2 = b'\xe1\xba\xb5'.decode('UTF-8')

print(normalize('NFC', S1).encode('UTF-8'))
print(normalize('NFC', S2).encode('UTF-8'))

In uw voorbeeld wordt TripAdvisor weergegeven in NFD-vorm, terwijl Kladblok NFC gebruikt.