Строка с выравниванием по правому краю, содержащая тайские символы

Причина

Тайский шрифт содержит обычные символы (положительная ширина продвижения) и метки без пробелов (нулевая ширина продвижения).

Например, в слове ซื้อ:

1. первый символ - начальный согласный "SO SO",
2. затем у него есть знак гласной SARA UUE,
3. затем отметка тона MAI THO,
4. а затем последний псевдосогласный O ANG

Проблема в том, что символы ##2 и 3 в приведенном выше списке являются нулевыми.
Другими словами, они не делают строку "шире".
В других случаях слова, ซื้อ ("купить") и ซอ ("скрипка") будут иметь равную ширину двух знаков (но длину строки 4 и 2 соответственно).

Решение

Чтобы вычислить «настоящую» длину строки, нужно пропустить символы нулевой ширины.

Специфично для Python

Модуль unicodedata обеспечивает доступ к базе данных символов Unicode (UCD), которая определяет свойства символов. для всех символов Юникода. Данные, содержащиеся в этой базе данных, собраны из UCD версии 8.0.0.

Метод unicodedata.category(unichr) возвращает один из следующих Общие значения категорий:

• "Lo" для обычного персонажа;
• "Mn" для меток без пробелов нулевой ширины;

Остальное очевидно, просто отфильтруйте последние.

Дополнительная информация:

• Данные Unicode для тайского письма (прокрутите до первого появления " ТАЙСКИЙ ХАРАКТЕР")

Я думаю, что вы хотите спросить, как определить «истинное» количество символов в เรือ, ไป, ซื้อ и т. д. (3,2 и 2 соответственно)

К сожалению, вот как Python интерпретирует эти символы:

ไป

>>> 'ไป'
'\xe0\xb9\x84\xe0\xb8\x9b'
>>> len('ไป')
6
>>> len('ไป'.decode('utf-8'))
2

ซื้อ

>>> 'ซื้อ'
'\xe0\xb8\x8b\xe0\xb8\xb7\xe0\xb9\x89\xe0\xb8\xad'
>>> len('ซื้อ')
12
>>> len('ซื้อ'.decode('utf-8'))
4

เรือ

>>> 'เรือ'
'\xe0\xb9\x80\xe0\xb8\xa3\xe0\xb8\xb7\xe0\xb8\xad'

>>> len('เรือ')
12
>>> len('เรือ'.decode('utf-8'))
4

Нет реальной корреляции между количеством отображаемых символов и количеством фактических (с точки зрения Python) символов, составляющих строку.

Я не могу придумать очевидный способ сделать это. Однако я нашел эту библиотеку, которая может вам помочь. (Вам также потребуется установить некоторые предварительные требования.

Похоже, что функция rjust() вам не подойдет и вам нужно будет самостоятельно подсчитать количество ячеек в строке. Затем вы можете вставить необходимое количество пробелов перед строкой для достижения выравнивания

Кажется, ты знаешь тайский язык. Суммируйте количество согласных, предшествующих гласных, следующих за гласными и тайскую пунктуацию. Не считайте диакритические знаки и верхние и нижние гласные.

Что-то вроде (простите мой псевдо-код Python),

cells = 0

for i in range (0, len(string))
  if (string[i] == \xe31) or ((string[i] >= \xe34) and (string[i] <= \xe3a)) or ((string[i] >= \xe47) and (string[i] <= \xe4e))
     # do nothing
  else
     # consonant, preceding or following vowel or punctuation
     cells++

Вот функция для вычисления длины тайской строки (количество символов, расположенных по горизонтали), на основе ответа bytebuster

import unicodedata


def get_thai_string_length(string):
    length = 0
    for c in string:
        if unicodedata.category(c) != 'Mn':
            length += 1
    return length

print(len('บอินทัช'))
print(get_thai_string_length('บอินทัช'))