匹配带组合变音符号的Unicode字符时字典反向取值异常如何解决
问题根因
你遇到的报错本质是Unicode字形簇的拆分问题:马拉地语中的कू是由基础字符क(U+0915)加组合变音符号ू(U+0942)两个独立Unicode码点组成的视觉上的单个字符,也就是字形簇。你直接用for letter in message遍历字符串时,是按单个Unicode码点拆分的,会把कू拆成两个独立码点,第一个码点刚好匹配到字典中A对应的值क,所以得到了错误的输出结果。
另外你原本的代码还有两处基础语法问题:一是字典定义缺少闭合的大括号,二是定义的字典名和函数内调用的字典名不一致。
修复方案
有两种常用实现方式,推荐优先用第一种,字形拆分的准确率更高:
方案1:使用第三方grapheme库处理字形拆分
这个库专门用于处理Unicode字形簇拆分,不需要自己实现复杂的Unicode规则,适配性更强。
- 先执行安装命令:
pip install grapheme - 完整修复代码如下:
import grapheme # 英文到马拉地语的映射字典 MARATHI_MAP = { "b": "कू", "c": "कु", "x": "श", "A": "क" } # 提前反转字典,直接通过马拉地语文本查找对应英文,避免每次循环遍历所有键值对 REVERSE_MAP = {v: k for k, v in MARATHI_MAP.items()} def marathi(message): dec = '' # 按完整视觉字符(字形簇)遍历输入文本 for cluster in grapheme.graphemes(message): if cluster in REVERSE_MAP: dec += REVERSE_MAP[cluster] print(dec) returning_key_for_value_String = 'शकुकू' marathi(returning_key_for_value_String) # 输出:xcb,完全符合预期
方案2:使用Python标准库实现
如果不想引入第三方依赖,可以用unicodedata模块判断组合字符,手动拼接字形簇:
import unicodedata MARATHI_MAP = { "b": "कू", "c": "कु", "x": "श", "A": "क" } REVERSE_MAP = {v: k for k, v in MARATHI_MAP.items()} def split_graphemes(text): clusters = [] current_cluster = '' for char in text: # Unicode组合标记的分类均以M开头 if unicodedata.category(char).startswith('M'): current_cluster += char else: if current_cluster: clusters.append(current_cluster) current_cluster = char if current_cluster: clusters.append(current_cluster) return clusters def marathi(message): dec = '' for cluster in split_graphemes(message): if cluster in REVERSE_MAP: dec += REVERSE_MAP[cluster] print(dec) returning_key_for_value_String = 'शकुकू' marathi(returning_key_for_value_String) # 输出:xcb
内容的提问来源于stack exchange,提问作者Rutvikk Walde
相关产品推荐
相关产品推荐

