如何使用 Python 在文本文件中用土耳其語字符替換 Unicode 字符

Question

我在推特上工作。 我使用 Stream API 從 Twitter 獲取數據，應用程序的結果是 JSON 文件。 我在文本文件中寫了推文數據，現在我看到了 Unicode 字符而不是土耳其語字符。 我不想在 Notepad++ 中手動查找/替換。 是否有任何自動選項可以通過打開 txt 文件、讀取文件中的所有數據並通過 Python 將 Unicode 字符更改為土耳其語字符來替換字符？

這是我要替換的 Unicode 字符和土耳其語字符。

• ? - \ğ
• Ğ - \Ğ
• 我 - \ı
• © - \İ
• ö - \ö
• Ö - \Ö
• ü - \ü
• ü - \Ü
• ş - \ş
• Ş - \Ş
• ç - \ç
• Ç - \Ç

我嘗試了兩種不同的類型

#!/usr/bin/env python

# -*- coding: utf-8 -*- 

import re

dosya = open('veri.txt', 'r')

for line in dosya:
    match = re.search(line, "\u011f")
    if (match):
        replace("\u011f", "ğ")

dosya.close()

和：

#!/usr/bin/env python

# -*- coding: utf-8 -*- 

f1 = open('veri.txt', 'r')
f2 = open('veri2.txt', 'w')

for line in f1:
    f2.write=(line.replace('\u011f', 'ğ')) 
    f2.write=(line.replace('\u011e', 'Ğ'))
    f2.write=(line.replace('\u0131', 'ı'))
    f2.write=(line.replace('\u0130', 'İ'))
    f2.write=(line.replace('\u00f6', 'ö'))
    f2.write=(line.replace('\u00d6', 'Ö'))
    f2.write=(line.replace('\u00fc', 'ü'))
    f2.write=(line.replace('\u00dc', 'Ü'))
    f2.write=(line.replace('\u015f', 'ş'))
    f2.write=(line.replace('\u015e', 'Ş'))
    f2.write=(line.replace('\u00e7', 'ç'))
    f2.write=(line.replace('\u00c7', 'Ç'))

f1.close()
f2.close()

這兩個都不起作用。 我怎樣才能讓它工作？

Answer 1

JSON 允許“轉義”和“非轉義”字符。 Twitter API 只返回轉義字符的原因是它可以使用 ASCII 編碼，這增加了互操作性。 對於土耳其語字符，您需要另一種編碼。 使用open函數打開文件會打開一個假定您當前的語言環境編碼的文件，這可能是您的編輯器所期望的。 如果您希望輸出文件具有例如ISO-8859-9編碼，您可以將encoding='ISO-8859-9 ' 作為附加參數傳遞給open函數。

您可以使用json.load函數讀取包含 JSON 對象的文件。 這將返回一個帶有解碼轉義字符的 Python 對象。 使用json.dump再次json.dump並傳遞ensure_ascii=False作為參數會將對象寫回文件而不將土耳其語字符編碼為轉義序列。 一個例子：

import json
inp = open('input.txt', 'r')
out = open('output.txt', 'w')
in_as_obj = json.load(inp)
json.dump(in_as_obj, out, ensure_ascii=False)

您的文件並不是真正的 JSON 文件，而是包含多個 JSON 對象的文件。 如果每個 JSON 對象都在自己的行上，您可以嘗試以下操作：

import json
inp = open('input.txt', 'r')
out = open('output.txt', 'w')
for line in inp:
    if not line.strip():
        out.write(line)
        continue
    in_as_obj = json.loads(line)
    json.dump(in_as_obj, out, ensure_ascii=False)
    out.write('\n')

但是在您的情況下，最好首先將未轉義的 JSON 寫入文件。 嘗試用（未經測試）替換你的on_data方法：

def on_data(self, raw_data):
    data = json.loads(raw_data)
    print(json.dumps(data, ensure_ascii=False))

Answer 2

您可以使用此方法：

# For Turkish Character
translationTable = str.maketrans("ğĞıİöÖüÜşŞçÇ", "gGiIoOuUsScC")

yourText = "Pijamalı Hasta Yağız Şoföre Çabucak Güvendi"
yourText = yourText.translate(translationTable)

print(yourText)