如何将UTF-8中的波斯数字转换为ASCII中的欧洲数字？

在波斯数字中，۰۱۲۳۴۵۶۷۸۹等同0123456789于欧洲数字。

如何转换波斯数字（ UTF-8）为ASCII？

例如，我想۲۱成为21。

我们可以利用以下事实：波斯数字的UNICODE代码点是连续的，并且从0到9进行排序：

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

这意味着最后一个十六进制数字是十进制值：

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

这使这个简单的循环成为转换工具：

#!/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

用作：

$ sefr.sh ۰۱۲۳۴۵۶۷۸۹
0123456789

$ sefr.sh ۲۰۱
201

$ sefr.sh ۲۱
21

请注意，此代码还可以转换阿拉伯数字和拉丁数字（即使混合使用）：

$ sefr.sh ۴4٤۵5٥۶6٦۷7٧۸8٨۹9٩
444555666777888999

$ sefr.sh ٤٧0٠٦7١٣3٥۶٦۷
4700671335667

由于它是一组固定的数字，因此您可以手动进行：

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

（或使用tr，但尚未使用GNU tr）

必须将您的语言环境设置为en_US.utf8（或更好地设置为字符集所属的语言环境）sed才能识别您的字符集。

与perl：

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

对于Python，有一个unidecode库通常可以处理此类转换：https : //pypi.python.org/pypi/Unidecode。

在Python 2中：

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

在Python 3中：

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

/programming//q/8087381/2261442上的SO线程可能相关。

/ edit：正如Wander Nauta在评论中指出的那样，并且在Unidecode页面上提到的，还有一个shell版本unidecode（/usr/local/bin/如果安装在，则在下面pip）：

$ echo '۰۱۲۳۴۵۶۷۸۹' | unidecode
0123456789

一个纯bash版本：

#!/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"

在我的Gentoo机器上进行了测试，并且可以正常工作。

./convert ۱۳۲
Result is 132

作为一个循环完成，给出了要转换的字符列表（从0到9）：

#!/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"

并用作：

$ convert ۱۳۲
132

另一种（有点过大）的方法是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"

由于iconv似乎无法理解这一点，因此下一个调用端口将是使用该tr实用程序：

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

tr 将一组字符转换为另一组字符，因此我们简单地告诉它将波斯数字组转换为拉丁数字组。

编辑：作为用户@cuonglm指出。这要求使用非GNU tr（例如tr在Mac上），并且还要求将$LC_CTYPE其设置为en_US.UTF-8。