Python中UTF-8到XML的解析

我是一名Python新手，我正在尝试编写一个Python脚本，将文本文件（以特定格式编写）解析为XML文件。文本文件是用非欧洲语言编写的，用UTF-8编码（从右到左编写），这本身就给我带来了一些麻烦

文本文件格式：

{number}"|"{number}"|" {text in UTF-8}

例如：

   1|2|حمد ހުރީ، عالم ތަކުގެ ވެރި اللَّه އަށެވެ

最初的问题是，在阅读文本时，单词的顺序在Python中切换。 如果案文改为： 1 | 2 | ABC DEF，Python将其显示为1 | 2 | DEF ABC 这显然是错误的

我正在使用

file=open（“text.txt”）

并在其上运行

readlines（）

，以获取文本

为了纠正这个错误，我尝试了

split（）

来分离单词并将它们放入一个列表中，然后根据需要对它们重新排序，但在这种情况下，可能出现了转换错误，我收到了垃圾字符。将这样的UTF-8字符存储到Python列表中并检索它们时存在问题；字符不会被保留

如果这个列表处理错误已经修复，那么编写XML文件应该是小菜一碟

---

编辑：如果有帮助，语言是Dhivehi，字母表是Thana

Python在内部对BIDI渲染的支持很差。也就是说，它没有完全实现

但是，这并不重要，除非您直接在Python中进行文本布局。对于您所描述的项目（读取包含一些BIDI文本的文件并输出另一个包含相同文本的文件），Python就可以了。这是因为文件中文本的顺序（输入和输出）将反映语义顺序，而不是文本在最终用户屏幕上的显示方向。如果您生成一个XML文件并使用支持BIDI的阅读器（像大多数web浏览器一样）打开它，您应该会看到按正确顺序显示的文本

---

为了便于参考，还有一些模块为Python添加了更好的双向文本呈现支持。一个是，这显然适用于大多数从右向左文本的语言，但还不能正确处理阿拉伯字母的形状。另一个是库的绑定，它显然只能在Linux（或者其他类似Unix的OSs）上轻松编译。这两个我都没用过，所以我不能提供个人推荐。

你看过吗？它使用给定的模式打开一个编码文件，并返回一个提供透明编码/解码的包装版本。我尝试使用编解码器，但没有帮助。句子中的单词仍然在翻来翻去。那么原来的问题是什么呢？拉丁字符的显示顺序不正确？还是阿拉伯语？如果只是试图破解，为什么需要修复列表处理？不，拉丁字符不是问题所在。句子中的阿拉伯语单词颠倒过来，意思是“我正在阅读”被Python写成“reading.am我”。我不知道怎么解决这个问题。我试图通过将所有单词放入一个列表来修复它，但一旦我从该列表中检索到字符，字符就会损坏——可能是Python列表不支持UTF-8。在进行一些检查后，Python似乎不会以本机方式执行BIDI文本呈现。我怀疑，对于写入XML文件，它可以正常工作，因为它在内部以正确的顺序保存字符串的代码点。这可能是调试的痛苦。如果您尝试将文本写入XML格式，并使用BIDI感知程序（像大多数web浏览器一样）打开它，您会得到什么？