Как заменить символы Unicode символами ascii в Python (perl script)?

Я пытаюсь изучить python и не могу понять, как перевести следующий perl script в python:

#!/usr/bin/perl -w                     

use open qw(:std :utf8);

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

script просто изменяет unicode umlauts на альтернативный выход ascii. (Итак, полный вывод в ascii.) Я был бы признателен за любые намеки. Благодарю!

Ответы

Ответ 1

Используйте модуль fileinput, чтобы перебрать стандартный ввод или список файлов,
декодировать строки, которые вы читаете из UTF-8, в объекты unicode
затем сопоставьте любые символы юникода, которые вы хотите, с помощью метода translate

translit.py будет выглядеть так:

#!/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),

И вы можете использовать его следующим образом:

$ cat utf8.txt 
sömé täßt
sömé täßt
sömé täßt

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

Update:

В случае, если вы используете строки python 3, по умолчанию используется unicode, и вам не нужно его кодировать, если он содержит символы, отличные от ASCII, или даже нелатинские символы. Таким образом, решение будет выглядеть следующим образом:

line = 'Verhältnismäßigkeit, Möglichkeit'

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

line.translate(table)

>>> 'Verhaeltnismaessigkeit, Moeglichkeit'

Ответ 2

Для преобразования в ASCII вы можете попробовать ASCII, Dammit или этот рецепт, который сводится к следующему:

>>> 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'

Ответ 3

Я использую 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

Вы можете изменить язык декодирования на все, что вам нужно. Вам может понадобиться простая функция для уменьшения длины одной реализации.

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

Ответ 4

Вы можете попробовать unidecode для преобразования Unicode в ascii вместо написания ручных регулярных выражений. Это порт Python модуля Text::Unidecode Perl:

#!/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)

Он использует класс FileInput, чтобы избежать глобального состояния.

Пример:

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