在文本编辑器和Python中处理Urdu双向文本

Question

我想在MS Word文档中使用Python脚本处理一些双向文本（用乌尔都语和英语），该脚本将文本转换为表格标记。我无法直接访问Word文档中的双向文本，因为它是二进制格式，即使我将Word文档中的文本粘贴到文本编辑器，然后所有双向文本都会错误地丢失方向性。

示例：

以下文字与我复制的原始MSWord文本的反方向呈现（涉及乌尔都语文本）：

  

图片粉丝<。

那么如何处理这样的bidi文本，以便在文本编辑器中像notepad ++一样正确呈现，因此可以用Python脚本忠实地处理？

Answer 1

首先，不要依赖于在Word文件中正确显示的bidi文本。在其他环境中，它不保证相同的文本会正确显示。 Microsoft Word在当前版本和旧版本中有自己的处理双向文本的方式，这不一定是符合Unicode的文本编辑器（如gedit）处理该文本的方式。这可能会或可能不会最终解决，因为Microsoft将在产品中实施newer version Unicode Bidirectional Algorithm。

其次，您没有正确看到复制文本的原因是您的文本环境（包括此处）不能正确支持bidi文本，甚至不可能显示从右到左的文本。我在符合Unicode的文本编辑器中复制了您的示例字符串，并将方向更改为正确，这是正确的结果。

现在，为了能够使用Python处理Word文件中的文本，您需要进行一些即兴创作。您可以将文本内容导出为Unicode文本，然后使用Python进行处理。或者，如果您想要就地处理文本内容（在Word中），您可能可以从Python中获取一些令人满意的OLE组件脚本结果。请参阅相关问题here。