如何在 Python 中用 ascii 字符替换 unicode 字符（给定的 perl 脚本）？

Question

我正在尝试学习 python，但不知道如何将以下 perl 脚本翻译成 python：

#!/usr/bin/perl -w                     

use open qw(:std :utf8);

while(<>) {
  s/\x{00E4}/ae/;
  s/\x{00F6}/oe/;
  s/\x{00FC}/ue/;
  print;
}

脚本只是将 unicode 变音符号更改为替代 ascii 输出。 （所以完整的输出是 ascii。）我会很感激任何提示。谢谢！

Answer 1

• 使用fileinput 模块循环标准输入或文件列表，
• 将您从 UTF-8 读取的行解码为 un​​icode 对象
• 然后使用 translate 方法映射您想要的任何 unicode 字符

translit.py 看起来像这样：

#!/usr/bin/env python2.6
# -*- coding: utf-8 -*-

import fileinput

table = {
          0xe4: u'ae',
          ord(u'ö'): u'oe',
          ord(u'ü'): u'ue',
          ord(u'ß'): None,
        }

for line in fileinput.input():
    s = line.decode('utf8')
    print s.translate(table), 

你可以这样使用它：

$ cat utf8.txt 
sömé täßt
sömé täßt
sömé täßt

$ ./translit.py utf8.txt 
soemé taet
soemé taet
soemé taet

• 更新：

如果您使用的是 python 3 字符串，默认情况下是 unicode，如果它包含非 ASCII 字符甚至非拉丁字符，则不需要对其进行编码。所以解决方案如下：

line = 'Verhältnismäßigkeit, Möglichkeit'

table = {
         ord('ä'): 'ae',
         ord('ö'): 'oe',
         ord('ü'): 'ue',
         ord('ß'): 'ss',
       }

line.translate(table)

>>> 'Verhaeltnismaessigkeit, Moeglichkeit'

Answer 2

要转换为 ASCII，您可能需要尝试 ASCII, Dammit 或 this recipe，归结为：

>>> title = u"Klüft skräms inför på fédéral électoral große"
>>> import unicodedata
>>> unicodedata.normalize('NFKD', title).encode('ascii','ignore')
'Kluft skrams infor pa federal electoral groe'

Answer 3

我用translitcodec

>>> import translitcodec
>>> print '\xe4'.decode('latin-1')
ä
>>> print '\xe4'.decode('latin-1').encode('translit/long').encode('ascii')
ae
>>> print '\xe4'.decode('latin-1').encode('translit/short').encode('ascii')
a

您可以将解码语言更改为您需要的任何语言。您可能需要一个简单的函数来减少单个实现的长度。

def fancy2ascii(s):
    return s.decode('latin-1').encode('translit/long').encode('ascii')

Answer 4

您可以尝试unidecode 将 Unicode 转换为 ascii，而不是手动编写正则表达式。它是Text::Unidecode Perl 模块的Python 端口：

#!/usr/bin/env python
import fileinput
import locale
from contextlib import closing
from unidecode import unidecode # $ pip install unidecode

def toascii(files=None, encoding=None, bufsize=-1):
    if encoding is None:
        encoding = locale.getpreferredencoding(False)
    with closing(fileinput.FileInput(files=files, bufsize=bufsize)) as file:
        for line in file: 
            print unidecode(line.decode(encoding)),

if __name__ == "__main__":
    import sys
    toascii(encoding=sys.argv.pop(1) if len(sys.argv) > 1 else None)

它使用FileInput 类来避免全局状态。

例子：

$ echo 'äöüß' | python toascii.py utf-8
aouss

Answer 5

又快又脏（python2）：

def make_ascii(string):
    return string.decode('utf-8').replace(u'ü','ue').replace(u'ö','oe').replace(u'ä','ae').replace(u'ß','ss').encode('ascii','ignore');