Python脚本写入文件时阿拉伯等RTL字符右到左排版问题如何解决

你遇到的排版问题是Unicode双向排版算法（BiDi） 导致的：阿拉伯语、希伯来语等字符属于右至左（RTL）属性的字符，普通文本编辑器检测到这类字符后，会自动调整后续内容的排版方向，这是显示层面的逻辑，和你写入文件的UTF-8编码没有关系。

在每个包含特殊字符的字段开头插入左至右强制控制符（LRM，Unicode码位U+200E），即可强制整行保持左到右排版，不会被RTL字符触发方向切换。

修改后的代码如下 #

import unicodedata
import sys
from tabulate import tabulate

# 原表头的length拼写错误，这里修正
headers=["Unicode Point", "Character in UTF-8 + length", "Character normalized + length"]
data = []
f = open('multiplierNFD.txt', 'a', encoding='utf8')
for i in range (sys.maxunicode + 1):
  uni = chr(i)
  char8 = uni.encode('utf8', 'ignore').decode('utf8', 'ignore')
  char8norm = unicodedata.normalize('NFKC', char8)
  if len(char8) != len(char8norm):
    if i < 65535:
      str1 = "U+" + str(hex(i))[2:].rjust(4,'0')
    else:
      str1 = "U+" + str(hex(i))[2:].rjust(8,'0')
    # 字段开头加LRM控制符，强制左到右排版
    str2 = '\u200e' + char8 + " ---> " + str(len(char8))
    str3 = '\u200e' + char8norm + " ---> " + str(len(char8norm))
    data.append([str1, str2, str3])
f.write(tabulate(data, headers=headers))
f.close()

• LRM是不可见的控制字符，不会修改你要存储的原始字符内容，只会作用于编辑器的显示逻辑，绝大多数文本编辑器都支持该控制符
• 如果你不想在文件中加入控制字符，也可以将RTL字符转换为Unicode转义序列输出（比如\ufb1d这种格式），但会降低内容可读性
• 如果后续需要输出到HTML等富文本场景，可给对应元素添加dir="ltr"属性实现同样效果，纯文本场景优先使用LRM控制符

内容的提问来源于stack exchange，提问作者Marco