如何在英翻阿RTL文本处理中避免小数被错误反转

问题根源 #

现有代码的问题出在拆分逻辑使用的\w元字符仅支持匹配字母、数字、下划线，不包含小数点，因此2.50这类小数会被拆分为2、.、50三个独立片段，后续顺序反转后就会变成50.2，不符合预期。

修复方案 #

调整拆分正则和不需要反转的内容匹配规则，优先把完整小数作为独立单元拆分，避免小数被切割：

修改后的代码 #

import re
from googletrans import GoogleTranslator
import arabic_reshaper

# 匹配所有不需要反转的单元：英文词汇、整数、小数
no_reverse = re.compile(r'^([A-Za-z0-9_.]+|\d+\.\d+)$')
# 拆分正则优先匹配完整小数、英文、数字单元，避免切割小数
split_rule = re.compile(r'(\d+\.\d+|[A-Za-z0-9_.]+)')

item_name = "paper roll 2.50m x 3.36m VIP"
# 翻译+阿拉伯语整形
translated_text = GoogleTranslator(source='en', target='ar').translate(item_name)
reshaped_text = arabic_reshaper.reshape(translated_text)

# 按规则拆分后处理顺序和反转
processed = []
for segment in reversed(split_rule.split(reshaped_text)):
    if not segment.strip():
        continue
    if no_reverse.match(segment):
        processed.append(segment)
    else:
        processed.append(segment[::-1])

final_result = ''.join(processed)

效果验证 #

运行后输出结果为VIP لفة ورق 2.50 م × 3.36 م，符合预期要求。

内容的提问来源于stack exchange，提问作者derikS4M1