Wie kann ich persische Ziffern in UTF-8 in europäische Ziffern in ASCII konvertieren?

In persischen Ziffern ۰۱۲۳۴۵۶۷۸۹entspricht 0123456789in europäischen Ziffern.

Wie kann ich persische Zahlen (in UTF-8) in ASCII konvertieren ?

Zum Beispiel möchte ich ۲۱werden 21.

Wir können die Tatsache ausnutzen, dass die UNICODE-Codepunkte der persischen Ziffern fortlaufend sind und von 0 bis 9 geordnet sind :

$ printf '%b' '\U06F'{0..9}
۰۱۲۳۴۵۶۷۸۹

Das bedeutet, dass die letzte Hex-Ziffer der Dezimalwert ist:

$ echo $(( $(printf '%d' "'۲") & 0xF ))
2

Das macht diese einfache Schleife zu einem Konvertierungswerkzeug:

#!/bin/bash
(   ### Use a locale that use UTF-8 to make the script more reliable.
    ### Maybe something like LC_ALL=fa_IR.UTF-8 for you?.
    LC_ALL=en_US.UTF-8
    a="$1"
    while (( ${#a} > 0 )); do
        # extract the last hex digit from the UNICODE code point
        # of the first character in the string "$a":
        printf '%d' $(( $(printf '%d' "'$a") & 15 ))
        a=${a#?}    ## Remove one character from $a
    done
)
echo

Verwenden Sie es als:

$ sefr.sh ۰۱۲۳۴۵۶۷۸۹
0123456789

$ sefr.sh ۲۰۱
201

$ sefr.sh ۲۱
21

Beachten Sie, dass dieser Code auch arabische und lateinische Ziffern konvertieren kann (auch wenn gemischt):

$ sefr.sh ۴4٤۵5٥۶6٦۷7٧۸8٨۹9٩
444555666777888999

$ sefr.sh ٤٧0٠٦7١٣3٥۶٦۷
4700671335667

Da es sich um eine feste Anzahl von Zahlen handelt, können Sie dies von Hand tun:

$ echo ۲۱ | LC_ALL=en_US.UTF-8 sed -e 'y/۰۱۲۳۴۵۶۷۸۹/0123456789/'
21

(oder mit tr, aber noch nicht GNU tr )

Um Ihren en_US.utf8Zeichensatz sedzu erkennen, müssen Sie Ihr Gebietsschema auf (oder besser auf das Gebietsschema, zu dem der Zeichensatz gehört) einstellen.

Mit perl:

$ echo "۲۱" |
  perl -CS -MUnicode::UCD=num -MUnicode::Normalize -lne 'print num(NFKD($_))'
21

Für Python gibt es die unidecodeBibliothek, die solche Konvertierungen im Allgemeinen verwaltet: https://pypi.python.org/pypi/Unidecode .

In Python 2:

>>> from unidecode import unidecode
>>> unidecode(u"۰۱۲۳۴۵۶۷۸۹")
'0123456789'

In Python 3:

>>> from unidecode import unidecode
>>> unidecode("۰۱۲۳۴۵۶۷۸۹")
'0123456789'

Der SO-Thread unter /programming//q/8087381/2261442 könnte verwandt sein.

/ edit: Wie Wander Nauta zeigte in den Kommentaren und wie auf der Unidecode Seite erwähnt , gibt es auch eine Shell - Version unidecode(unter /usr/local/bin/falls installiert über pip):

$ echo '۰۱۲۳۴۵۶۷۸۹' | unidecode
0123456789

Eine reine Bash-Version:

#!/bin/bash

number="$1"

number=${number//۱/1}
number=${number//۲/2}
number=${number//۳/3}
number=${number//۴/4}
number=${number//۵/5}
number=${number//۶/6}
number=${number//۷/7}
number=${number//۸/8}
number=${number//۹/9}
number=${number//۰/0}

echo "Result is $number"

Habe in meinem Gentoo Rechner getestet und es funktioniert.

./convert ۱۳۲
Result is 132

Als Schleife ausgeführt, mit der Liste der zu konvertierenden Zeichen (von 0 bis 9):

#!/bin/bash
conv() ( LC_ALL=en_US.UTF-8
         local n="$2"
         for ((i=0;i<${#1};i++)); do
              n=${n//"${1:i:1}"/"$i"}
         done
         printf '%s\n' "$n"
       )

conv "۰۱۲۳۴۵۶۷۸۹" "$1"

Und verwendet als:

$ convert ۱۳۲
132

Ein anderer (eher übertriebener) Weg mit grep:

#!/bin/bash

nums=$(echo "$1" | grep -o .)
result=()

for i in $nums
do
    case $i in
        ۱)
            result+=1
            ;;
        ۲)
            result+=2
            ;;
        ۳)
            result+=3
            ;;
        ۴)
            result+=4
            ;;
        ۵)
            result+=5
            ;;
        ۶)
            result+=6
            ;;
        ۷)
            result+=7
            ;;
        ۸)
            result+=8
            ;;
        ۹)
            result+=9
            ;;
        ۰)
            result+=0
            ;;
    esac
done
echo "Result is $result"

Da iconvdies nicht zu befürchten scheint, wäre die nächste Anlaufstelle die Verwendung des trDienstprogramms:

$ echo "۲۱" | tr '۰۱۲۳۴۵۶۷۸۹' '0123456789'
21

tr Übersetzt einen Zeichensatz in einen anderen, so dass wir ihn einfach anweisen, den Satz der persischen Ziffern in den Satz der lateinischen Ziffern zu übersetzen.

EDIT : Als Benutzer @cuonglm weist darauf hin. Dies erfordert Nicht-GNU tr, z. B. trauf einem Mac, und es erfordert auch, dass auf festgelegt $LC_CTYPEist en_US.UTF-8.