python - 如何使用python将阿拉伯字符映射到英文字符串

Question

我正在尝试读取一个包含阿拉伯字符(如“ù”)的文件并将其映射到英文字符串“AYN”。我想在 Python 3.4 中创建所有 28 个阿拉伯字母到英文字符串的映射。我仍然是 Python 的初学者，不知道如何开始。具有阿拉伯字符的文件以 UTF8 格式编码。

Answer 1

使用unicodedata;

(注意:这是 Python 3。在 Python 2 中使用 u'ù' 代替)

In [1]: import unicodedata

In [2]: unicodedata.name('a')
Out[2]: 'LATIN SMALL LETTER A'

In [6]: unicodedata.name('ع')
Out[6]: 'ARABIC LETTER AIN'

In [7]: unicodedata.name('ع').split()[-1]
Out[7]: 'AIN'

最后一行适用于简单字母，但不适用于所有阿拉伯符号。例如。带下面三个点的阿拉伯文字母FEH。

所以你可以使用；

In [26]: unicodedata.name('ڥ').lower().split()[2]
Out[26]: 'feh'

或

In [28]: unicodedata.name('ڥ').lower()[14:]
Out[28]: 'feh with three dots below'

为了识别字符，使用类似这样的东西(Python 3)；

c = 'ع'
id = unicodedata.name(c).lower()
if 'arabic letter' in id:
    print("{}: {}".format(c, id[14:].lower()))

这会产生；

ع: ain

我正在过滤字符串 'arabic letter' 因为 arabic unicode block还有很多其他符号。

一个完整的字典可以用:

arabicdict = {}
for n in range(0x600, 0x700):
    c = chr(n)
    try:
        id =  unicodedata.name(c).lower()
        if 'arabic letter' in id:
            arabicdict[c] = id[14:]
    except ValueError:
        pass