Last active
September 30, 2024 10:30
-
-
Save aruseni/1683896 to your computer and use it in GitHub Desktop.
This file contains hidden or bidirectional Unicode text that may be interpreted or compiled differently than what appears below. To review, open the file in an editor that reveals hidden Unicode characters.
Learn more about bidirectional Unicode characters
# -*- coding: utf-8 -*- | |
def transliterate(string): | |
capital_letters = {u'А': u'A', | |
u'Б': u'B', | |
u'В': u'V', | |
u'Г': u'G', | |
u'Д': u'D', | |
u'Е': u'E', | |
u'Ё': u'E', | |
u'Ж': u'Zh', | |
u'З': u'Z', | |
u'И': u'I', | |
u'Й': u'Y', | |
u'К': u'K', | |
u'Л': u'L', | |
u'М': u'M', | |
u'Н': u'N', | |
u'О': u'O', | |
u'П': u'P', | |
u'Р': u'R', | |
u'С': u'S', | |
u'Т': u'T', | |
u'У': u'U', | |
u'Ф': u'F', | |
u'Х': u'H', | |
u'Ц': u'Ts', | |
u'Ч': u'Ch', | |
u'Ш': u'Sh', | |
u'Щ': u'Sch', | |
u'Ъ': u'', | |
u'Ы': u'Y', | |
u'Ь': u'', | |
u'Э': u'E', | |
u'Ю': u'Yu', | |
u'Я': u'Ya',} | |
lower_case_letters = {u'а': u'a', | |
u'б': u'b', | |
u'в': u'v', | |
u'г': u'g', | |
u'д': u'd', | |
u'е': u'e', | |
u'ё': u'e', | |
u'ж': u'zh', | |
u'з': u'z', | |
u'и': u'i', | |
u'й': u'y', | |
u'к': u'k', | |
u'л': u'l', | |
u'м': u'm', | |
u'н': u'n', | |
u'о': u'o', | |
u'п': u'p', | |
u'р': u'r', | |
u'с': u's', | |
u'т': u't', | |
u'у': u'u', | |
u'ф': u'f', | |
u'х': u'h', | |
u'ц': u'ts', | |
u'ч': u'ch', | |
u'ш': u'sh', | |
u'щ': u'sch', | |
u'ъ': u'', | |
u'ы': u'y', | |
u'ь': u'', | |
u'э': u'e', | |
u'ю': u'yu', | |
u'я': u'ya',} | |
translit_string = "" | |
for index, char in enumerate(string): | |
if char in lower_case_letters.keys(): | |
char = lower_case_letters[char] | |
elif char in capital_letters.keys(): | |
char = capital_letters[char] | |
if len(string) > index+1: | |
if string[index+1] not in lower_case_letters.keys(): | |
char = char.upper() | |
else: | |
char = char.upper() | |
translit_string += char | |
return translit_string |
@bekbulatov
Thanks! :)
Искал функцию транслитерации - наткнулся на хабровский пост.
Предлагаю несколько оптимизированный вариант:
_capital_letters = {
u'А': u'A',
u'Б': u'B',
u'В': u'V',
u'Г': u'G',
u'Д': u'D',
u'Е': u'E',
u'Ё': u'E',
u'Ж': u'Zh',
u'З': u'Z',
u'И': u'I',
u'Й': u'Y',
u'К': u'K',
u'Л': u'L',
u'М': u'M',
u'Н': u'N',
u'О': u'O',
u'П': u'P',
u'Р': u'R',
u'С': u'S',
u'Т': u'T',
u'У': u'U',
u'Ф': u'F',
u'Х': u'H',
u'Ц': u'Ts',
u'Ч': u'Ch',
u'Ш': u'Sh',
u'Щ': u'Sch',
u'Ъ': u'',
u'Ы': u'Y',
u'Ь': u'',
u'Э': u'E',
u'Ю': u'Yu',
u'Я': u'Ya',}
_lower_case_letters = {
u'а': u'a',
u'б': u'b',
u'в': u'v',
u'г': u'g',
u'д': u'd',
u'е': u'e',
u'ё': u'e',
u'ж': u'zh',
u'з': u'z',
u'и': u'i',
u'й': u'y',
u'к': u'k',
u'л': u'l',
u'м': u'm',
u'н': u'n',
u'о': u'o',
u'п': u'p',
u'р': u'r',
u'с': u's',
u'т': u't',
u'у': u'u',
u'ф': u'f',
u'х': u'h',
u'ц': u'ts',
u'ч': u'ch',
u'ш': u'sh',
u'щ': u'sch',
u'ъ': u'',
u'ы': u'y',
u'ь': u'',
u'э': u'e',
u'ю': u'yu',
u'я': u'ya',}
def transliterate(string):
capital_letters = _capital_letters
lower_case_letters = _lower_case_letters
len_str = len(string)
translit_string = u""
for index, char in enumerate(string, 1):
repl = lower_case_letters.get(char)
if repl:
translit_string += repl
continue
repl = capital_letters.get(char)
if repl:
if len_str > index:
if string[index] not in lower_case_letters:
repl = repl.upper()
else:
repl = repl.upper()
else:
repl = char
translit_string += repl
return translit_string
Изменения:
- Вынес массивы подстановок из функции - дабы не создавались на каждый вызов по новому
- Взятие длину строки вынес за цикл в локальную переменную.
- Поиск в списке ключей .keys() и последующую выборку по "[]" (О(н) + О(1)) заменил на .get() (О(1))
- Указал начинать индексировать с 1: enumerate(string, 1) дабы извавится от двойного index+1
Думается, что на больших строках основные тормоза получались от п. 3 :)
return translit_string.replace('ь', '').replace('ъ', '').replace('Ь', '').replace('Ъ', '')
Sign up for free
to join this conversation on GitHub.
Already have an account?
Sign in to comment
If you want to check an existence key in dict, it's no need to call .key() method:
It works a little faster.