UTF-8到CP864（阿拉伯语）的转换

Question

我有以下任务：用UTF-8编写的混合拉丁语/阿拉伯语中的某些文本需要转换为使用POS打印机打印，后者使用古代one-byte code page 864。

text.getBytes("ibm-864")突然显示了许多问号，而不是阿拉伯字符，在挖掘代码后，我理解转换表有一些不同版本的阿拉伯字符用于映射到ibm-864（在FExx范围内某处而不是06xx，我的文字中有。）

我正在寻找一些代码或库，可以将阿拉伯语unicode转换为cp864，最好映射到相应形式的阿拉伯语字符（在cp864中有一些隔离，初始，内侧和最终形式的某些chars），甚至可能为RTL处理反向，因为我怀疑硬件是否自动支持它。

我知道这是一项非常具体的任务，但为什么不试一试呢？我也知道如何实现这一点，但试图找到一个随时可用的自行车：）

任何？

另一种可能的解决方案：可以将unicode arabic从范围U+0600 - U+06FF Arabic转换为范围U+FE70 - U+FF6F Arabic Presentation Forms-B的库。然后我可以安全地在cp864中获取我的字节。有没有人见过什么？

Answer 1

要将阿拉伯语文本输出到相对愚蠢的输出设备，您需要做几件事：

• 使用Unicode双向算法（UBA）将文本划分为不同方向性的块，更好地称为Bidi。
• 需要镜像的镜像字符（例如：当它们位于LTR / RTL块内时，在不同方向打开括号点）
• 由于输出设备是哑的，您需要将字符更改为其位置形式，并在需要时应用连字（LAM + ALEF有连字）。这是由一个名为阿拉伯塑造者的软件完成的。
• 您需要根据文字的方向性对文字进行重新排序。
• 由于CP864没有所有字符的所有位置形式，因此您需要转换为后备形式，将一些最终形式转换为孤立形式，将一些中间形式转换为初始形式，将一些初始形式转换为孤立形式。文本不会像正确的形式那样很好地结合，但它会相对接近。

在Java上，ICU库允许您这样做：

• ICU的Bidi可以分为块，镜像和重新排序。重新排序可以在整形之前完成，因为ICU的ArabicShaping支持在逻辑（预重新排序）和可视（重新排序后）顺序中处理文本。
• ICU的ArabicShaping可以处理文本的整形，将其映射到适当的表现形式（您所谈到的FExx系列，这不是正常使用的，它只是用于与传统软件的接口/硬件，在这种情况下是理解CP864而不是Unicode的打印机。
• ICU的CharsetProvider和CharsetEncoder可用于转换为CP864，使用回退（非往返）转换为不在输出字符集上的字符，在这种情况下是最终→隔离，中间→初始......表单。