ハイフンに似ている横棒を全て統一するᅳㅡ˗𐆑–᭸‒-─−▬𐄐—━‐‑ー﹣―ｰ﹘－⁃➖⁻！

はじめに

これらの横棒、コンピュータにとっては全て違うのですが
見分けがつくでしょうか？
-˗ᅳ᭸‐‑‒–—―⁃⁻−▬─━➖ーㅡ﹘﹣－ｰ𐄐𐆑

郵便番号、住所、電話番号など、横棒が使われているデータを扱うとき、
人が入力したデータや購入したデータであると、同じ記号が使われていないことはよくあることです。

090-1234-5678
090᭸1234᭸5678
090‑1234‑5678
090−1234−5678
これらの電話番号の文字列も

phone_no_list = ['090-1234-5678', '090᭸1234᭸5678', '090‑1234‑5678', '090−1234−5678']

# 文字をUnicodeコードポイントに変換
for n in phone_no_list:
    # 文字列の４番目の横棒の文字コードを見てみる
    print(n[3], ord(n[3]))

"""
出力：
- 45
᭸ 7032
‑ 8209
− 8722
"""

このように全て違います。

ハイフンに似ている横棒を全て統一する

今回は、
【 ‾（Overline）】 と 【 _（Low Line/アンダースコア）】のおよそ中間の高さにある横棒を集めて、
これらを一つの記号に統一します

ハイフンに似ている横棒の一覧

まずは、記号を調査しました。

参考にしたサイトはこちらです。
Unicode キャラクター図鑑（https://unicode-table.com/jp/ ）

	記号	Unicode コードポイント	Unicode 番号	entity	Unicode 称号
0	-	45	U+002D		Hyphen-Minus (半角マイナス)
1	˗	727	U+02D7		Modifier Letter Minus Sign
2	ᅳ	4467	U+1173		Hangul Jungseong Eu
3	᭸	7032	U+1B78		Balinese Musical Symbol Left-Hand Open Pang
4	‐	8208	U+2010	‐	Hyphen
5	‑	8209	U+2011		Non-Breaking Hyphen
6	‒	8210	U+2012		Figure Dash
7	–	8211	U+2013	–	En Dash
8	—	8212	U+2014	—	Em Dash
9	―	8213	U+2015	―	Horizontal Bar
10	⁃	8259	U+2043	⁃	Hyphen Bullet
11	⁻	8315	U+207B		Superscript Minus
12	−	8722	U+2212		Minus Sign
13	▬	9644	U+25AC		Black Rectangle
14	─	9472	U+2500		Box Drawings Light Horizontal
15	━	9473	U+2501		Heavy Minus Sign
16	➖	10134	U+2796		Box Drawings Heavy Horizontal
17	ー	12540	U+30FC		Katakana-Hiragana Prolonged Sound Mark (全角の長音)
18	ㅡ	12641	U+3161		Hangul Letter Eu
19	﹘	65112	U+FE58		Small Em Dash
20	﹣	65123	U+FE63		Small Hyphen-Minus
21	－	65293	U+FF0D		Fullwidth Hyphen-Minus (全角ハイフン)
22	ｰ	65392	U+FF70		Halfwidth Katakana-Hiragana Prolonged Sound Mark (半角カナの長音)
23	𐄐	65808	U+10110		Aegean Number Ten
24	𐆑	65937	U+10191		Roman Uncia Sign
25		5760	U+1680		Ogham Space Mark

同じ記号に全て統一（Python）

試しに
「あᅳㅡ˗𐆑–᭸‒-─−▬𐄐—━‐‑ー﹣―ｰ﹘－⁃➖⁻！」
の横棒を「-（半角マイナス）」に統一してみます。

import re

def replace_hyphen(text, replace_hyphen):
    """全ての横棒を半角ハイフンに置換する
    Args:
        text (str): 入力するテキスト
        replace_hyphen (str): 置換したい文字列
    Returns:
        (str): 置換後のテキスト
    """
    hyphens = '-˗ᅳ᭸‐‑‒–—―⁃⁻−▬─━➖ーㅡ﹘﹣－ｰ𐄐𐆑 '
    hyphens = '|'.join(hyphens)
    return re.sub(hyphens, replace_hyphen, text)

# 名寄せしたいテキスト
text = 'あᅳㅡ˗𐆑–᭸‒- ─−▬𐄐—━‐‑ー﹣―ｰ﹘－⁃➖⁻！' 

# replace_hyphen に統一する記号を設定
print(replace_hyphen(text, replace_hyphen='-'))

"""
出力:
あ--------------------------！
"""

はい。これで綺麗になりました。

終わりに

以上。
これから名寄せ作業があるかもしれないので、メモを残しました。

他に、似たような横棒があれば教えてください。

データの追加
表に、   (Ogham Space Mark) を追加しました（2021/10/26）

---

追記：
（2021/10/26）
実際の名寄せでは、
長音や漢字の１を抜いた状態で記号を名寄せして
長音は、長音だけで処理するというのが一般的な方法になるのかなと思います。
そうでないと、住所に含まれているマンション名などの長音が記号になってしまうので。

（2021/11/4）
コメント↓で色々アドバイスいただけたので、そちらも参考にしていただければと思います。