Python字典匹配阿拉伯数字词转对应数值失败问题求助

我之前也踩过阿拉伯文本替换的坑，这种情况大概率是字符匹配精度或者替换逻辑细节出了问题，咱们一步步来捋：

排查思路 #

• 先确认字符是否完全一致：阿拉伯语有些单词可能存在隐形的Unicode变体（比如不同的连写形式、全角/半角差异），或者你手动输入字典键时和目标文本的字符其实不是同一个Unicode码点。可以用ord()函数分别打印字典键和目标文本中对应单词的每个字符码点对比，比如：

  # 对比字典键和文本中单词的字符码点
  target_word = "ثلاثة"
  text_word = "ثلاثة"  # 这里换成你文本里的原词
  print([ord(c) for c in target_word])
  print([ord(c) for c in text_word])
  

  如果输出的列表不一样，说明字符本身不匹配，需要修正字典的键或者统一文本的字符格式。

• 检查替换逻辑是否正确：如果你用的是str.replace()，要确保每次替换后都更新原字符串（比如text = text.replace(old, new)，而不是只调用text.replace()不赋值）；如果用正则，要注意阿拉伯语的单词边界\b是否生效，需要加上re.UNICODE参数（Python3默认支持，但显式加上更稳妥）。

• 确认文本编码没问题：读取或处理文本时，一定要指定UTF-8编码，避免乱码导致字符变形，比如读取文件时用open("file.txt", encoding="utf-8")。

解决方案 #

这里给两种可靠的替换方式，根据你的场景选择：

1. 简单循环替换（适合少量替换） #

确保字典的键和目标文本的字符完全一致，然后循环替换：

# 定义阿拉伯数字词映射字典
arabic_num_map = {
    "واحد": "1",
    "اثنان": "2",
    "ثلاثة": "3",
    "أربعة": "4",
    "خمسة": "5"
}

# 待处理文本
input_text = "يوجد ثلاثة عناصر في القائمة"

# 循环替换
for word, num in arabic_num_map.items():
    input_text = input_text.replace(word, num)

print(input_text)  # 输出：يوجد 3 عناصر في القائمة

2. 正则整词替换（适合大量替换，避免部分匹配） #

如果担心替换时误匹配到包含目标单词的长词，用正则的整词匹配更稳妥：

import re

arabic_num_map = {
    "واحد": "1",
    "اثنان": "2",
    "ثلاثة": "3",
    "أربعة": "4",
    "خمسة": "5"
}

# 构建正则模式，用re.escape处理特殊字符，避免正则语法冲突
pattern = re.compile(
    r'\b(' + '|'.join(re.escape(word) for word in arabic_num_map.keys()) + r')\b',
    re.UNICODE
)

input_text = "ثلاثة أربعة خمسة"
# 用lambda函数替换匹配到的单词
output_text = pattern.sub(lambda match: arabic_num_map[match.group()], input_text)

print(output_text)  # 输出：3 4 5

关键注意点 #

• 如果你发现字符码点不一致，可以尝试把文本中的目标单词复制粘贴到字典的键中，避免手动输入带来的字符差异；
• 阿拉伯语是从右到左书写，但Python字符串是按字符序列存储的，不影响替换逻辑，只要字符本身匹配就没问题。

内容的提问来源于stack exchange，提问作者user3057109