Как в python преобразовать текст из различных шрифтов?

Question

[kommov]

Есть много текстов, написанных различными шрифтами. Пример:

Задача привести их в обычный текстовой вид, для дальнейшей обработки. Возможно ли это?
UPD:
Вот конкретный пример:

В этом случае будет принт 2. Но нужно чтоб был 1. Как это сделать?

Comments

[Владимир Куц]

В каком виде в текстовом файле эти строки лежат?

[Влад Григорьев]

kommov, отличный ответ на вопрос.

[kommov]

Влад Григорьев, не так прочитал вопрос. Первый скрин - это скрин из txt. Вот так они там и лежат, как обычный текст)

[kommov]

Юрий, это обычный utf-8. Его можно открывать любым текстовым редактором. Это просто разные шрифты.

[kommov]

Юрий, да неважно где лежит текст. Вот конкретный пример, решите задачу, чтоб был принт ‘ok’ в обоих случаях: https://notepad.pw/734aq7j
Частично решил таким способом: https://notepad.pw/2adv5202 , но это работает не со всеми вариантами. В последнем цикле текст остаётся без изменений

Answer 1

[ScriptKiddo]

Гуглить - Python OCR. Tesseract и прочее.
А вообще - задача уровня FineReader.

https://www.abbyy.com/ru-ru/ocr-sdk/

Comments

[kommov]

OCR, Tesseract - определяют текст по картинке. Где я тут писал что у меня картинка? Про файнридер вообще молчу. Обычный тхт. Формат строк - str, кодировка utf-8. Питон их правильно берёт и отображает, но не позволяет работать как с обычным текстом. Надо каким-то образом преобразовывать к обычному шрифту.

[ScriptKiddo]

kommov,

Где я тут писал что у меня картинка?

И тем не менее, прилагаете картинку без уточнения что есть только текст. По крайней мере, его не было в первой версии

[kommov]

ScriptKiddo, вот этот вариант очень близок к правде. Я сначала так и сделал, но оказалось что это работает не со всеми шрифтами. Вот готовый код с примерами текста. В последнем цикле текст почему-то остаётся без изменений. Код залил в нотпад: https://notepad.pw/2adv5202

Answer 2

[Руслан .]

Основное свойство текста - это кодировка, а шрифт, это уже особенность отображения.
Что в вашем понимании обычный вид?
В каком редакторе этот текст отображается? (от этого сильно зависит алгоритм действий)

Comments

[kommov]

Я добавил конкретный пример в вопросе, посмотрите пожалуйста еще раз. Текста лежат в txt, код пишу в pycharm.

[undisclosed]

Как у вас в .txt могут быть шрифты?
Вопрос с намеком

[kommov]

undisclosed, на первой картинке скрин с txt. Какой намёк?

[Руслан .]

А что выводится, если в консоли (cmd) выполнить?:

type имя_файла.py

Консоль - это cmd в Win ( у вас Win?) .
Консоль нужно запустить из каталога в котором лежит ваш файл.

[kommov]

Руслан ., так это обычная кодировка utf-8. Открывается хоть нотпадом, хоть блокнотом. Но из за разных шрифтов питон не может работать с такими строками. Их надо как-то преобразовать в обычный вид. А консоль выдаёт кучу кракозябр при type. Но пайчарм их правильно отображает. Вопрос в том, как их преобразовать питоном, после взятия строки

[Руслан .]

kommov, utf-8 это кодировка, она не задаёт шрифт. Тут либо в файле как-то разметка и шрифт указаны, либо в IDE. Вопрос где?

[Владимир Куц]

kommov, приведите шестнадцатиричный дамп файла. Можно кусок сначала

[Руслан .]

Можно попробовать сконвертировать текст таким образом:

import unicodedata

list_texts = ["ᴰᴼᴺ'ᵀ ᴮᴱ ᴬᶠᴿᴬᴵᴰ ᵀᴼ ᶠᴬᴵᴸ ᴮᴱ ᴬᶠᴿᴬᴵᴰ ᴺᴼᵀ ᵀᴼ ᵀᴿʸ",
              "           ",
              "  ", "̈", "ᶠᴿᴬᴺᴷᶠᵁᴿᵀ",
              "ʙᴇ ᴏɴ ʏᴏᴜʀ ᴡᴀʏ ᴛᴀᴋᴇ ᴡʜᴀᴛ ʏᴏᴜ ɴᴇᴇᴅ"]

for s in list_texts:
  row_str = map(lambda x: x if len(x) == 1 else ' ', (str(unicodedata.name(_)).split(' ')[::-1][0] for _ in s))
  print(''.join(list(row_str)))

На выходе будет вот так:
DON T BE AFRAID TO FAIL BE AFRAID NOT TO TRY
YOU WERE BORN BECAUSE YOU ARE GOING TO BE IMPORTANT TO SOMEONE
BECAUSE THEY LOOK
DU SSELDORF
FRANKFURT
BE ON YOUR WAY TAKE WHAT YOU NEED

Попробуйте использовать функцию unicodedata.name()