阿拉伯字符根据字符串中的位置有不同的Unicode代码点吗？

Question

阿拉伯字符根据字符串中的位置有不同的Unicode代码点,还是一个直观的解决方案？

这是相同的单词,3次,带有空格,似乎没有相同的Unicode值.

عربى
عربى
عربى

我需要做的是扫描阿拉伯字符串列表,并获取它们的值.使用这些值,我将选择要显示的特定字母的图标.但是,如果它是相同的代码点,意思是我需要在代码中创建自己的逻辑,我想避免.

Answer 1

不同的形状有不同的unicode,例如字母Ê \u062A具有不同形状的所有代码:\uFE95Ê,\uFE97Ê,\uFE98Ê,\uFE96Ê.

虽然,大多数阿拉伯文本与主要的不定形unicode保持一致.形状形式仅用于渲染.因此,如果您通过程序检查文本,您会发现它大多不成形.

如果你想要所有字母形状,你可以使用一个reshaper库,如:Python Arabic Reshaper:

   import arabic_reshaper
   reshaped_text = arabic_reshaper.reshape(u'????? ??????? ?????')

如果您希望所有字母都不成形,请使用向下形状贴图将字母转换为其主要形状.

这是一张整形图:

SHAPING = {
 u'\u0621' : ( u'\uFE80' ) ,
 u'\u0622' : ( u'\uFE81', u'\uFE82' ) ,
 u'\u0623' : ( u'\uFE83', u'\uFE84' ) ,
 u'\u0624' : ( u'\uFE85' , u'\uFE86' ) ,
 u'\u0625' : ( u'\uFE87' , u'\uFE88' ) ,
 u'\u0626' : ( u'\uFE89' , u'\uFE8B' , u'\uFE8C' , u'\uFE8A' ) ,
 u'\u0627' : ( u'\uFE8D' , u'\uFE8E' ) ,
 u'\u0628' : ( u'\uFE8F' , u'\uFE91' , u'\uFE92' , u'\uFE90' ) ,
 u'\u0629' : ( u'\uFE93' , u'\uFE94' ) ,
 u'\u062A' : ( u'\uFE95' , u'\uFE97' , u'\uFE98' , u'\uFE96' ) ,
 u'\u062B' : ( u'\uFE99' , u'\uFE9B' , u'\uFE9C' , u'\uFE9A' ) ,
 u'\u062C' : ( u'\uFE9D' , u'\uFE9F' , u'\uFEA0', u'\uFE9E' ) ,
 u'\u062D' : ( u'\uFEA1' , u'\uFEA3' , u'\uFEA4' , u'\uFEA2' ) ,
 u'\u062E' : ( u'\uFEA5' , u'\uFEA7' , u'\uFEA8' , u'\uFEA6' ) ,
 u'\u062F' : ( u'\uFEA9' , u'\uFEAA' ) ,
 u'\u0630' : ( u'\uFEAB'  , u'\uFEAC' ) ,
 u'\u0631' : ( u'\uFEAD' , u'\uFEAE' ) ,
 u'\u0632' : ( u'\uFEAF'  , u'\uFEB0' ) ,
 u'\u0633' : ( u'\uFEB1' , u'\uFEB3' , u'\uFEB4' , u'\uFEB2' ) ,
 u'\u0634' : ( u'\uFEB5' , u'\uFEB7' , u'\uFEB8' , u'\uFEB6' ) ,
 u'\u0635' : ( u'\uFEB9' , u'\uFEBB' , u'\uFEBC' , u'\uFEBA' ) ,
 u'\u0636' : ( u'\uFEBD' , u'\uFEBF' , u'\uFEC0' , u'\uFEBE' ) ,
 u'\u0637' : ( u'\uFEC1' , u'\uFEC3' , u'\uFEC4' , u'\uFEC2' ) ,
 u'\u0638' : ( u'\uFEC5' , u'\uFEC7' , u'\uFEC8' , u'\uFEC6' ) ,
 u'\u0639' : ( u'\uFEC9' , u'\uFECB' , u'\uFECC' , u'\uFECA' ) ,
 u'\u063A' : ( u'\uFECD' , u'\uFECF' , u'\uFED0', u'\uFECE' ) ,
 u'\u0640' : ( u'\u0640' ) ,
 u'\u0641' : ( u'\uFED1' , u'\uFED3' , u'\uFED4' , u'\uFED2' ) ,
 u'\u0642' : ( u'\uFED5' , u'\uFED7' , u'\uFED8' , u'\uFED6' ) ,
 u'\u0643' : ( u'\uFED9' , u'\uFEDB' , u'\uFEDC' , u'\uFEDA' ) ,
 u'\u0644' : ( u'\uFEDD' , u'\uFEDF' , u'\uFEE0', u'\uFEDE' ) ,
 u'\u0645' : ( u'\uFEE1' , u'\uFEE3' , u'\uFEE4' , u'\uFEE2' ) ,
 u'\u0646' : ( u'\uFEE5' , u'\uFEE7' , u'\uFEE8' , u'\uFEE6' ) ,
 u'\u0647' : ( u'\uFEE9' , u'\uFEEB' , u'\uFEEC' , u'\uFEEA' ) ,
 u'\u0648' : ( u'\uFEED' , u'\uFEEE' ) ,
 u'\u0649' : ( u'\uFEEF' , u'\uFEF0' ) ,
 u'\u064A' : ( u'\uFEF1' , u'\uFEF3' , u'\uFEF4' , u'\uFEF2' )
}

Answer 2

阿拉伯语在Unicode 中保留了 5 个字符块：

• U+0600 .. U+06FF 阿拉伯语
• U+0750 .. U+077F 阿拉伯语补充
• U+08A0 .. U+08FF 阿拉伯语扩展 A
• U+FB50 .. U+FDFF 阿拉伯文演示表格 A
• U+FE70 .. U+FEFF 阿拉伯语演示表格 B

问题中的示例文本均使用 4 个代码点进行编码：

• UTF-8 0xD8 0xB9 = U+0639 = 阿拉伯字母 AIN
• UTF-8 0xD8 0xB1 = U+0631 = 阿拉伯字母 REH
• UTF-8 0xD8 0xA8 = U+0628 = 阿拉伯字母 BEH
• UTF-8 0xD9 0x89 = U+0649 = 阿拉伯字母 ALEF MAKSURA

此外，还有空格和一些出现：

• UTF-8 0xE2 0x80 0x8E = U+200E = 从左到右标记 (LRM)

尽管使用相同的 Unicode 代码点来存储数据，但阿拉伯字母的显示方式有所不同，这一事实表明您需要调整显示的字形以使其相对于其他字符的位置（开头、中间、词尾或独立）。您可以阅读第 9 章（中东-I）以了解有关处理阿拉伯文本的更多信息。