如何检测文本是否为镜像？希伯来语RTL场景及bidi工具应用需求

核心思路 #

RTL语言（如希伯来语、阿拉伯语）的镜像文本本质是字符存储顺序与正常视觉顺序相反——正常RTL文本的逻辑顺序遵循从右到左的排版规则，但如果被错误保存为左到右的逆序字符（比如"שלום"变成"םולש"），就需要用bidi.algorithm.get_display()还原正确的视觉显示。

检测的关键逻辑：

• 先判断文本是否包含RTL字符，避免对纯LTR文本误处理
• 对比原始文本和经过bidi处理后的文本，若不一致则说明是镜像/逆序文本

具体实现步骤 #

1. 依赖安装 #

先安装python-bidi库：

pip install python-bidi

2. 检测与修正代码 #

import unicodedata
from bidi.algorithm import get_display

def is_mirrored_rtl_text(text):
    # 检查文本是否包含RTL双向类别的字符（R=希伯来语，AL=阿拉伯语）
    has_rtl_char = any(unicodedata.bidirectional(c) in ['R', 'AL'] for c in text)
    if not has_rtl_char:
        return False, text
    
    # 通过双向算法获取正确的视觉显示文本
    corrected_text = get_display(text)
    # 原始文本与修正文本不一致，即为镜像/逆序文本
    return corrected_text != text, corrected_text

# 测试示例
test_samples = ["םולש", "שלום", "Hello World", "أهلاً"]
for sample in test_samples:
    is_mirrored, fixed_text = is_mirrored_rtl_text(sample)
    print(f"原始文本: {sample}")
    print(f"是否镜像: {is_mirrored}")
    print(f"修正后文本: {fixed_text}\n")

代码说明 #

• unicodedata.bidirectional(c)：获取字符的双向排版类别，筛选出RTL类字符，确保只处理目标场景
• get_display(text)：依据Unicode双向排版算法，将逻辑顺序的文本转换为符合视觉阅读习惯的顺序——如果输入是逆序存储的RTL字符，它会自动还原为正常的RTL显示文本
• 通过对比原始文本与修正后文本的差异，直接判断是否为镜像文本

注意事项 #

• 该方案仅针对字符层面的逆序存储场景，不适用于图像格式的镜像文本检测
• 对于混合LTR和RTL的文本（比如希伯来语中夹杂英文单词），get_display()也能正确处理双向排版逻辑

内容的提问来源于stack exchange，提问作者Orit Barzilay