问题标签 [thai]

我正在使用 ICU 项目执行一些音译，但在从泰语音译到拉丁语时发现了一些问题。我需要使用 RTGS （https://en.wikipedia.org/wiki/Royal_Thai_General_System_of_Transcription）标准，但它似乎没有在 ICU 项目中实现。我非常感谢有关如何将 RTGS 添加到 ICU 项目或至少任何用 Java 开发的项目的帮助。

提前致谢

我正在尝试从该站点获取页面http://www.francais-thai.com/dicoweb/fran/00012.htm

但是在python中

（页面中有泰文）

这是我尝试过的代码：（它应该下载页面）

但是我以这种方式获得的页面与我显示源代码时给我的 firefox/chrome/etc 完全不同

这是我使用 chrome 获得的页面：

这是我用我的代码得到的错误页面：

我尝试更改用户代理，最后使用wireshark获得了确切的用户代理，但正在下载相同的“错误”页面，而不是正确的页面

如何获得与普通浏览器使用 python 获得的相同的 html 文本？

我的猜测是编码错误（html上有泰语）但我无法让它工作，我尝试更改编码等。但我无法让它工作

我目前有一个包含泰语字符的 xlsx 文件，该文件在 excel 中正确显示。

但是，当我在 SAS EG 4.3（也在 5.1 中尝试过）中导入此文件时，泰语字符显示为“???”

这是相同的示例代码

我也尝试了各种编码，我还遇到了一个错误，说不能从 utf-16le 转换为 wlatin1。

有什么办法可以让这个字符显示在 SAS 表中？

我正在开发一个我们目前正在翻译成泰语的应用程序。当我们在 iOS 7 上测试应用程序时，一切都很顺利，但是在 iOS 8 上，一些重音被UILabels 剪掉了。

我们使用自动布局来布局应用程序的所有元素。

我在 iOS 8 的发行说明中的​​某处读到泰语字符默认字体已增加以增强可读性。然而，自动布局似乎并不关心标签的高度，就好像它正在显示拉丁文本一样，从而导致一些重音被剪裁。

在 iOS 中处理泰语文本的正确方法是什么？

编辑：这是一张显示问题的图片。（OK开启iOS 7，CUT开启iOS 8。）

注意：我尝试设置to的clipToBounds属性，文本确实没有被剪裁。然而，这不是一个好的解决方案！如果我有两个一个在另一个之上的标签，我可能会有重叠的文本......</p> UILabelNO

Java 代码中的泰语字符不允许超过 1333 个字符。除了在 db 中使用 CLOB 数据类型外，还有其他可能的方法吗？我们正在使用 Oracle 11g。

我正在尝试编写一种可以呈现泰语（以及其他）的位图字体。我有字符集，但很多字符都是“组合字符”代码点。我正在使用 Graphics.DrawString 来获取字符的位图。这适用于拉丁文、西里尔文和越南文。

但是，当我渲染一个单独的组合字符时，Windows .Net 在组合字符下方呈现一个虚线圆圈，如下所示：

有没有办法删除这些圈子？（他们并不总是在同一个地方）

这是我现在使用的代码：

我正在 Eclipse/Linux 中使用 Qt 做一个多语言应用程序。在泰语中，我的控制器似乎不太支持换行符（我仍然不确定为什么）。无论如何，以下算法会在每个泰语字符之间插入一个零宽度空格 (\u200b)（字符及其重音符号之间除外），因此可能会出现换行符。但是，我的控制器现在需要 12 分钟才能以泰语启动（在显示打开 QString 消息之前 12 分钟）。该函数覆盖 Qt 中的 QTranslator::translate，因此我可以在每个已翻译的 QString 中添加零宽度空格。

我的问题如下：你们能告诉我我是否正确操作 QString 中的 Unicode 和 Utf-8 字符吗？编辑：泰语符号的渲染是 Qt 问题吗？非常感谢！

我正在制作一个应用程序来帮助我记住我正在学习的一些泰语单词。

但是我无法正确渲染文本。

我用这个例子来创建一个基本场景。这就是我到目前为止所拥有的。

为了测试，我只想显示“ก”字符。上面的代码产生一个“？” 象征。

我直接从libGDX 目录下载了 garuda.tff 字体。

我真的不确定我错过了什么！我什至尝试在运行时生成位图，但产生了一个空白屏幕。

任何建议都会很棒！

编辑：我在 Android Studio 上注意到，当我关闭并重新打开项目时，实际代码从“ก”变为“？”。这可能是一个编码问题，但我不知道如何解决它。

我使用 Scikit-learn 的 CountVectorizer 来计算已经标记化的泰语单词的出现次数，然后尝试在 Python 3 中对文本进行矢量化

代码：

输出：

其实应该是[[1 1]]。

在我的观察中（我已经对泰语单词数据集进行了许多测试），我认为泰语元音存在问题，即“ซ้อม”中的“้”（泰语元音），但对于另一种情况，例如“การ”（有没有元音）它不会对使用 CountVectorizer 造成任何问题

您有什么建议可以调整 CountVectorizer 以识别这种情况

我有一个包含泰语关键字的 Adwords 转储，我将使用它来连接来自另一个数据库的数据。

理论上，我抓取文件，剪掉顶部和底部无用的行，稍微清理一下，然后将其作为新表上传到 PostgreSQL。

在实践中，即使文件在 Excel 和 OpenOffice 中打开良好，字符也会在途中出现乱码（实际上是从一开始）。以下在我的本地机器（运行 OSX）和服务器（运行 Ubuntu）上都是正确的。

首先，我已经将语言环境设置为 UTF-8：

但是，查看 CLI 上的 CSV（假设它只包含上述字符串）给了我这个：

知道问题出在哪里吗？