如何使用 Python 2.7 将西里尔文音译为拉丁文？ - 不正确的翻译输出答案

【问题标题】：How to transliterate Cyrillic to Latin using Python 2.7? - not correct translation output如何使用 Python 2.7 将西里尔文音译为拉丁文？ - 不正确的翻译输出
【发布时间】：2013-09-24 17:53:49
【问题描述】：

我正在尝试将 excel 文件中的西里尔字母音译为拉丁语。我正在自下而上地工作，无法弄清楚为什么这不起作用。
当我尝试翻译一个简单的文本字符串时，Python 输出“EEEEE EEE”而不是正确的翻译。我该如何解决这个问题才能给我正确的翻译？我整天都在想办法解决这个问题！

symbols = (u"абвгдеёзийклмнопрстуфхъыьэАБВГДЕЁЗИЙКЛМНОПРСТУФХЪЫЬЭ",
           u"abvgdeezijklmnoprstufh'y'eABVGDEEZIJKLMNOPRSTUFH'Y'E")

tr = {ord(a):ord(b) for a, b in zip(*symbols)}

text = u'Добрый Ден'
print text.translate(tr)

>>EEEEEE EEE

感谢您的帮助！

【问题讨论】：

这对我来说很好用。当你运行 just text.translate(tr)（没有 print）时会发生什么？我得到u'Dobryj Den'。
请不要在您的代码中粘贴提示和注释。这只会让其他人更难测试。
@Marc：不幸的是，这在 SO 上已经成为一种过于普遍的风格......不过，有一个好的文本编辑器有助于克服它。
@martineau 我不会启动 emacs 来测试别人的代码。
@Marcin：我发现当使用适当的 Python 解释器输出样式时，关于什么是代码和什么是输出的交流会大大改善。然而，这篇文章的格式很奇怪。

标签： python python-2.7 translation

【解决方案1】：

您的来源输入错误。但是，您输入了 source 和 text 文字，Python 没有读取正确的 unicode 代码点。

相反，我强烈怀疑像PYTHONIOENCODING variable 这样的错误处理程序设置为replace。这会导致 Python 用问号替换它不识别的所有代码点。所有西里尔文输入都被视为无法识别。

因此，您的翻译映射中唯一的代码点是 63，即问号，映射到 symbols[1] 中的最后一个字符（这是只有一个唯一键的字典理解的预期行为）：

>>> unichr(63)
u'?'
>>> unichr(69)
u'E'

同样的问题也适用于您的text unicode 字符串；它也只包含问号。翻译映射将每个替换为字母E：

>>> u'?????? ???'.translate({63, 69})
u'EEEEEE EEE'

您需要避免输入西里尔文字字符或修复您的输入法。

在终端中，这是您的终端（或 Windows 控制台）支持的编解码器的功能。配置正确的代码页（Windows）或区域设置（POSIX 系统）以输入和输出支持西里尔文的编码（最好是 UTF-8）。

在 Python 源文件中，使用 codec comment at the top of the file 告诉 Python 用于字符串文字的编码。

避免文字意味着使用 Unicode 转义序列：

symbols = (
    u'\u0430\u0431\u0432\u0433\u0434\u0435\u0451\u0437\u0438\u0439\u043a\u043b\u043c'
    u'\u043d\u043e\u043f\u0440\u0441\u0442\u0443\u0444\u0445\u044a\u044b\u044c\u044d'
    u'\u0410\u0411\u0412\u0413\u0414\u0415\u0401\u0417\u0418\u0419\u041a\u041b\u041c'
    u'\u041d\u041e\u041f\u0420\u0421\u0422\u0423\u0424\u0425\u042a\u042b\u042c\u042d',
    u"abvgdeezijklmnoprstufh'y'eABVGDEEZIJKLMNOPRSTUFH'Y'E"
)
tr = {ord(a):ord(b) for a, b in zip(*symbols)}

text = u'\u0414\u043e\u0431\u0440\u044b\u0439 \u0414\u0435\u043d'

print text.translate(tr)

【讨论】：