Python处理阿拉伯数字字符串不反转技巧

本文深入解析了在Python中处理阿拉伯语与数字混合文本时的关键难题：如何利用arabic-reshaper和python-bidi实现正确的RTL视觉呈现，同时严格保持阿拉伯数字（如“48”“2024”）的原始顺序，避免因盲目字符串反转导致的语义错误；文章不仅指出常见陷阱，更提供了一套按词粒度智能区分、精准处理的健壮代码方案，并涵盖对阿拉伯-印度数字、标点符号及PDF渲染等实际场景的周全注意事项，助你一次性解决多语言文本排版中的核心痛点。

本文介绍在使用 arabic-reshaper 和 python-bidi 处理阿拉伯文本时，如何保留数字原始顺序、仅对阿拉伯字符进行整形与双向显示重排，防止“48”被误翻转为“84”。

本文介绍在使用 `arabic-reshaper` 和 `python-bidi` 处理阿拉伯文本时，如何保留数字原始顺序、仅对阿拉伯字符进行整形与双向显示重排，防止“48”被误翻转为“84”。

在生成 PDF 或渲染多语言文本（尤其是阿拉伯语）时，常需借助 arabic-reshaper 进行字形连接整形，并用 python-bidi 的 get_display() 实现正确的从右向左（RTL）视觉呈现。但一个常见陷阱是：若直接对整行字符串执行切片反转（如 s[::-1]），其中的阿拉伯字母虽被正确倒序以适配 RTL 渲染逻辑，数字（如 "48"）也会被一并反转成 "84"——这显然违背语义，因为阿拉伯语中的数字默认采用西方阿拉伯数字（0–9）且书写方向仍为左到右（LTR），不应参与字符级反转。

✅ 正确做法是：按词（word）粒度分离内容，仅对非数字单词执行整形 + 反转 + bidi 重排，而数字字符串保持原样。

以下是推荐的健壮实现：

import arabic_reshaper
from bidi.algorithm import get_display

def reverse_arabic_string_with_numbers(text: str) -> str:
    """
    安全处理含阿拉伯文和数字的多行字符串：
    - 每行按空格分词；
    - 数字词（纯数字）跳过整形与反转；
    - 阿拉伯/混合词执行 reshape → 字符反转 → get_display；
    - 重新拼接为原文格式。
    """
    result_lines = []
    for line in text.split('\n'):
        words = line.split()
        processed_words = []
        for word in words:
            if word.isnumeric():  # ✅ 严格匹配纯数字（如 "123"），不匹配 "١٢٣" 或 "abc123"
                processed_words.append(word)
            else:
                # 整形（连接字形）、字符级反转（适配 bidi 渲染）、bidi 视觉重排
                reshaped = arabic_reshaper.reshape(word)
                reversed_arabic = reshaped[::-1]
                displayed = get_display(reversed_arabic)
                processed_words.append(displayed)
        result_lines.append(' '.join(processed_words))
    return '\n'.join(result_lines)

# 示例使用
t = "مرحبا 48\nالسلام عليكم 2024"
output = reverse_arabic_string_with_numbers(t)
print(output)
# 输出（视觉上正确 RTL 显示，且数字保持 48、2024 不变）：
# مبحمَر 48
# ملكُعيل سلامال 2024

⚠️ 注意事项：

• word.isnumeric() 仅识别 ASCII 数字（0–9）。若需支持阿拉伯-印度数字（如 ٤٨），应改用 word.isdigit() 或正则 re.fullmatch(r'[\d\u0660-\u0669\u06F0-\u06F9]+', word)；
• 不要省略 get_display() —— 它才是真正决定最终渲染顺序的关键步骤，reshape + [::-1] 仅为中间处理；
• 在 fpdf2 或 reportlab 等 PDF 库中调用时，确保字体已加载支持阿拉伯语（如 DejaVuSans 或 NotoNaskhArabic）；
• 若原文含标点（如 ،、؟），建议在分词后对每个 token 单独判断类型，或使用 regex.split(r'(\W+)', word) 进行更精细的符号保留。

通过该方法，你既能保障阿拉伯文字的正确显示，又能严格维持数字的语义与顺序，彻底规避 “48 → 84” 类型的逻辑错误。

本篇关于《Python处理阿拉伯数字字符串不反转技巧》的介绍就到此结束啦，但是学无止境，想要了解学习更多关于文章的相关知识，请关注golang学习网公众号！