如何更改不同语言中单词的最后一个字母？

Question

我需要我的代码来识别单词末尾的特定希伯来语字母，然后用它们的形式替换它们作为最终字母。 例如：כ=ך,מ=ם,נ=ן,פ=ף,צ=ץ。
我尝试使用以下代码：

# -*- coding: utf-8 -*-
from string import maketrans

text = "לנמנמ זה כיפ"
textSplit = text.split()
translator = maketrans("כמנפצ","ךםןףץ")
correctSpelling = ""

for i in textSplit:
    if i[-1]=="כ" or i[-1]=="מ":
        correctSpelling += i.translate(translator) + " "
    else:
        correctSpelling += i + " "

print correctSpelling

输出：לנמנמ זה כיפ。
预期输出：לנמנם זה כיף。
上面的代码没有错误。
在阅读 Unicode HOWTO、Overcoming frustration: Correctly using unicode in python2 和每个软件开发人员绝对、绝对必须了解 Unicode 和字符集（没有任何借口！）之后，是时候询问 stackoverflow 了。

Answer 1

您使用了错误的数据类型。在 Python 2 中，字符串（如 'abc'）用于字节，Unicode（如 u'abc'）用于文本。

所以：

# wrong (putting unicode characters in byte literals is ill-defined):
ord("צ");
# correct:
ord(u"צ");

（Python 3 反转了这一点，'abc' 是 unicode 并且字节有一个明确的 b 前缀）

Answer 2

答案是在任何地方都使用 Unicode 字符串，以及将 Unicode 序数映射到 Unicode 序数的 Unicode 转换表。此版本适用于 Python 2.7 和 Python 3.3+。

# -*- coding: utf-8 -*-
from __future__ import print_function

text = u"לנמנמ זה כיפ"

textSplit = text.split()
translator = {ord(a):ord(b) for a,b in zip(u"כמנפצ",u"ךםןףץ")}
correctSpelling = u""
print(u"כפצנמ".translate(translator)) #just a test for the translator

for i in textSplit:
    if i[-1]==u"כ" or i[-1]==u"מ" or i[-1]==u"נ" or i[-1]==u"פ" or i[-1]==u"צ":
        correctSpelling += i[:-1] + i[-1].translate(translator) + u" "
    else:
        correctSpelling += i + " "

print(correctSpelling)

输出：

ךףץןם
לנמנם זה כיף 

Answer 3

使用 Unicode 字符串来表示文本。

这是一个与 Python 2/3 兼容的单一源代码，它使用正则表达式将最后一个字母替换为最后一个字母的形式：

#!/usr/bin/env python
# -*- coding: utf-8 -*-
from __future__ import unicode_literals
import re

text = "לנמנמ זה כיפ"

final_letters = dict(zip(map(ord, "כמנפצ"),"ךםןףץ"))
print(re.sub(r'\w\b', lambda m: m.group().translate(final_letters), text,
             flags=re.UNICODE))

输出

לנמנם זה כיף

尽管出现了括号，但代码仍然有效（可能是一些从右到左相关的问题）。

Answer 4

在又修改了我的代码几次（阅读：小时）之后，我发现了问题所在。
显然我的代码中有两件事是错误的：首先我认为编码已经是 utf-8，其次我认为 .translate(translator) 可以使用 unicode 数据类型。
为了解决第一个问题，我添加了这一点：

import sys
reload(sys)
sys.setdefaultencoding('utf8')

在那之后，我将文本更改为 unicode 数据类型（而不是 str）并修改了一些代码，如下所示：

if i[-1]=="כ" or i[-1]=="מ" or i[-1]=="נ" or i[-1]=="פ" or i[-1]=="צ":
        correctSpelling += i[:-1] + str(i[-1]).translate(translator) + " "

所以这里是修改后的完整代码：

    # -*- coding: utf-8 -*-
from string import maketrans
import sys

reload(sys)
sys.setdefaultencoding('utf8')

#the text is of data type unicode
text = u"לנמנמ זה כיפ"

textSplit = text.split()
translator = maketrans("כמנפצ","ךםןףץ")
correctSpelling = ""
print "כפצנמ".translate(translator) #just a test for the translator

for i in textSplit:
    if i[-1]=="כ" or i[-1]=="מ" or i[-1]=="נ" or i[-1]=="פ" or i[-1]=="צ":
        correctSpelling += i[:-1] + str(i[-1]).translate(translator) + " "
    else:
        correctSpelling += i + " "

print correctSpelling

输出：

ךףץןם
לנמנם זה כיף