Python конвертировать gibbrish в Hebrew

Question

вот мой код:

# -*- coding: utf-8-*- 
array=["à","á","â","ã","ä","å","æ","ç","è","é","ê","ë","ì","í","î","ï","ð","ñ","ó","ô","õ","ö","ø","ù","ú","û","ü","ý","þ","ÿ"] 
array1=["א","ב","ג","ד","ה","ו","ז","ח","ט","י","ך","כ","ל","ם","מ","ן","נ","ס","ע","ף","פ","ץ","צ","ק","ר","ש","ת"] 
str="áï éäåãä" 
message="" 
for i in range(0,len(str)): 
    s=str[i] 
    index=-1 
    for j in range(0,len(array)): 
     if(array[j]==s): 
      index=j 
      break 
    if(index!=-1): 
    message+=array1[index] 
    print array1[index] 
print message 

ошибка:

SyntaxError: EOL while scanning string literal 

в строке 2

У меня есть текстовый файл в древнееврейском, но он всегда отображается в gibbrish, независимо от того, что кодировка. это программа python для преобразования ее на иврит. исходный файл находится в IS0-8859-1

Answer 1

Как предлагает @Martijn, правильное декодирование исходного файла было бы лучшим решением. Если ваш файл иврит, но отображает array символов, он, вероятно, отображается как latin1 или cp1252. cp1255 выглядит как близкий матч. Возможно, ваш array1 не совсем прав. Также обратите внимание на строки Iterable, так что вы можете упростить массивы:

# coding: utf8 
array = u'àáâãäåæçèéêëìíîïðñóôõöøùúûüýþÿ' 
array1 = u'אבגדהוזחטיךכלםמןנסעףפץצקרשת' 
print(array) 
print(array1) 
print(array.encode('cp1252').decode('cp1255',errors='replace')) 

Последняя строка выше переворачивает «неправильное» кодирование и декодирование его cp1255 (на иврите кодирования) вместо этого. Выход:

àáâãäåæçèéêëìíîïðñóôõöøùúûüýþÿ 
אבגדהוזחטיךכלםמןנסעףפץצקרשת 
אבגדהוזחטיךכלםמןנסףפץצרשת��‎‏� 

Это не идеальный матч, но достаточно того, что я думаю, что ваш исходный файл был зашифрован с cp1255 близко.

Answer 2

Вы использовали ', где должен был использовать ":

'ÿ" 

для последней записи в:

array=["à","á","â","ã","ä","å","æ","ç","è","é","ê","ë","ì","í","î","ï","ð","ñ","ó","ô","õ","ö","ø","ù","ú","û","ü","ý","þ",'ÿ"] 

Сделать эту единственную процитировать двойной.

Что касается вашей программы перевода; это звучит так, как будто ваша кодировка файла неверна или неправильно декодирована. Возможно, вы должны выяснить правильную кодировку вместо этого, а не слепо заменить Latin-1 байты на последовательности UTF-8 для ивритских кодовых точек?

Если вы хотите использовать модуль codec, чтобы открыть файл с правильным кодеком и декодировать его в Юникод, вы, скорее всего, найдете, что данные правильно закодированы в любом случае.

Я сильно призываю вас учиться на Unicode, кодеков и Python, прежде чем продолжить:

• The Absolute Minimum Every Software Developer Absolutely, Positively Must Know About Unicode and Character Sets (No Excuses!) Джоэл Спольски

• Python Unicode HOWTO

• Pragmatic Unicode Нед Батчелдер