Làm cách nào tôi có thể chuyển đổi các chữ số Ba Tư trong UTF-8 sang các chữ số châu Âu trong ASCII?

Trong các chữ số Ba Tư, ۰۱۲۳۴۵۶۷۸۹tương đương với 0123456789các chữ số châu Âu.

Làm cách nào tôi có thể chuyển đổi số Ba Tư (in UTF-8) sang ASCII?

Ví dụ, tôi muốn ۲۱trở thành 21.

Chúng ta có thể tận dụng thực tế là điểm mã UNICODE của các chữ số Ba Tư liên tiếp và được sắp xếp từ 0 đến 9 :

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

Điều đó có nghĩa là chữ số hex cuối cùng là giá trị thập phân:

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

Điều đó làm cho vòng lặp đơn giản này trở thành một công cụ chuyển đổi:

#!/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

Sử dụng nó như:

$ sefr.sh ۰۱۲۳۴۵۶۷۸۹
0123456789

$ sefr.sh ۲۰۱
201

$ sefr.sh ۲۱
21

Lưu ý rằng mã này cũng có thể chuyển đổi các chữ số Ả Rập và Latin (ngay cả khi được trộn lẫn):

$ sefr.sh ۴4٤۵5٥۶6٦۷7٧۸8٨۹9٩
444555666777888999

$ sefr.sh ٤٧0٠٦7١٣3٥۶٦۷
4700671335667

Vì đó là một bộ số cố định, bạn có thể thực hiện bằng tay:

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

(hoặc sử dụng tr, nhưng chưa có GNU tr )

Đặt ngôn ngữ của bạn thành en_US.utf8(hoặc tốt hơn cho miền địa phương mà bộ ký tự thuộc về) là bắt buộc sedđể nhận ra bộ ký tự của bạn.

Với perl:

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

Đối với Python có unidecodethư viện xử lý các chuyển đổi như vậy nói chung: https://pypi.python.org/pypi/Unidecode .

Trong Python 2:

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

Trong Python 3:

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

Chủ đề SO tại /programming//q/8087381/2261442 có thể liên quan.

/ chỉnh sửa: Như Wander Nauta đã chỉ ra trong các bình luận và như đã đề cập trên trang Unidecode, cũng có một phiên bản shell của unidecode(dưới /usr/local/bin/nếu được cài đặt qua pip):

$ echo '۰۱۲۳۴۵۶۷۸۹' | unidecode
0123456789

Một phiên bản bash thuần túy:

#!/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"

Đã thử nghiệm trong máy Gentoo của tôi và nó hoạt động.

./convert ۱۳۲
Result is 132

Thực hiện dưới dạng một vòng lặp, đưa ra danh sách các ký tự (từ 0 đến 9) để chuyển đổi:

#!/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"

Và được sử dụng như:

$ convert ۱۳۲
132

Một cách khác (khá là quá mức) sử dụng 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"

Vì iconvdường như không thể hiểu được điều này, cổng gọi tiếp theo sẽ là sử dụng trtiện ích:

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

tr dịch một bộ ký tự sang bộ ký tự khác, vì vậy chúng tôi chỉ cần bảo nó dịch bộ chữ số Farsi sang bộ chữ số Latinh.

EDIT : Như người dùng @cuonglm chỉ ra. Điều này đòi hỏi không phải GNU tr, ví dụ như trtrên máy Mac và nó cũng yêu cầu $LC_CTYPEđược đặt thành en_US.UTF-8.