替换python中的变音符号

Posted 2023-02-24

【中文标题】替换python中的变音符号

【英文标题】：Replace diacritics in python

【发布时间】：2021-09-02 05:58:48

【问题描述】：

如何将 srt 文件中的变音符号替换为规范化的单词？

我有一个罗马尼亚语 srt，我正在尝试使用 jellyfin 流式传输电影，但我遇到了一个问题，即应用程序不支持 ĂăÂâÎîȘșȚț 等特殊字符，因此我正试图摆脱它们。

我尝试使用 unidecode，但这些词奇怪地被 ț 替换 -> th, ș -> o

'我也尝试过仅使用 sed 替换字符，但某些字符（如 ș）显示为 º，因此以下函数不会替换它们：

def strip_accents(s):
    d = 'ĂăÂâÎîȘșȚț'
    n = 'AaAaIiSsTt'
    dl = [i for i in d]
    nl = [i for i in n]
    ii = 0
    for x in dl:
        s = re.sub(x, nl[ii], s)
        ii += 1
    return s

【问题讨论】：

可能编辑器和编译器使用不同的编码，在python源码中使用Unicode escaping \u。

您使用的是哪个操作系统？你是如何获取字符串的，你知道它的编码吗？

@MarkRansom 我在我的 debian 操作系统上做所有事情

@JoopEggen 嗯。我使用 vi 作为我的编辑器

所以你很可能会一直使用 UTF-8，除非我们仍然不知道你的字符串的来源。在尝试修改字符串之前print 字符串会发生什么情况？

【参考方案1】：

因此，感谢 github 托管的 repo，我找到了一种方法来做我想做的事。我只是用正确的变音符号șȘ 将奇怪的字符替换为º,ª，一切都按照我想要的方式进行。我不需要更换变音符号来使字幕正常工作。

https://github.com/pckltr/corecteaza-subtitrari/

Python 代码：

def fix_accents(s):
    char_dict =  "º": "ș", "ª": "Ș", "ş": "ș", "Ş": "Ș", "ţ": "ț", "Ţ": "Ț", "þ": "ț", "Þ": "Ț", "ã": "ă"  
    for k,v in char_dict.items():
        s = s.replace(k, v)
    return s

【讨论】：

那是治标不治本。问题是您在获取字符串时使用了错误的编码。

@MarkRansom 我尝试更改编码，但没有奏效。我使用了具有编码选项的 python-opensubtitles，我尝试了 iconv 命令，但没有成功。无论如何，如果它有效，它就有效xD

如果编码错误，您唯一可以修复的字符就是您目前找到的字符。极有可能还有其他人您还没有找到。而你尝试了哪种编码，有很多可供选择。

【参考方案2】：

字幕，先用记事本打开，再用另存为，在这一步Encoding:UTF-8再保存

:

您可以使用此代码作为列表：

import re

def strip_accents():
   d = 'ĂăÂâÎîȘșȚț'
   n = 'AaAaIiSsTt'
   dl = [i for i in d]
   # print(dl)
   nl = [i for i in n]
   # print(nl)
   new_list = []
   i =0
   for string in dl:
      new_string = string. replace(dl[i], nl[i])
      new_list. append(new_string)
      # print(new_strings)
      i +=1
   return new_list  

print(strip_accents())   

【讨论】：

我在 vps 上运行，所以我必须先将文件传输到我的电脑