Utility to convert DV1-TTSurekh font to devanagari unicode

convert.py

# -*- coding: utf-8 -*-
#!/usr/bin/env python2

# usage:
#   mkdir /tmp/trial
#   git clone https://github.com/sushant354/indic2unicode
#   sudo pacman -S python2-ply
#   # copy the below code in /tmp/trial and save as convert.py
#   cd /tmp/trial
#   python2 convert.py input.txt output.txt

import sys
from indic2unicode.fontconv import FontConv
from codecs import open

# FIXME encoding map below isn't working great. If below works, we can choose
# to not depend on indic2unicode
# surekh = {"$": "ॐ", "&": "ः", "*": "।", "£Ã": "फ़्र", "+Éä": "ओ", "+Éè": "औ", "+É": "आ", "+": "अ", "<È": "ईं", "<Ç": "ई", "<": "इ", ">": "ऊ", "=": "उ", "@": "ऋ", "A": "ॠ", "Bå": "ऐं", "Bä": "ऐ", "‹ä": "ऐ", "B": "ए", "‹": "ए", "आå": "ओं", "आé": "औं", "C": "क्", "D": "क़्", "E": "क", "F": "क़", "G": "क्र", "H": "क्त", "I": "क्ष्", "J": "ख्", "K": "ख़्", "L": "ख्र्", "M": "ग्", "N": "ग़्", "O": "ग्र्", "P": "घ्", "Q": "घ्र्", "R": "ङ", "S": "च्", "T": "च्र्", "U": "छ", "V": "ज्", "W": "ज़्", "X": "ज्र्", "Y": "ज्ञ्", "Z": "झ्", "[": "झ्र्", "\\": "ञ्", "]": "ट", "^": "ट्ट", "_": "ट्ठ", "`": "ठ", "a": "ठ्ठ", "b": "ड", "c": "ड़", "d": "ड्ड", "e": "ड्ढ", "f": "ढ", "g": "ढ़", "h": "ण्", "i": "त्", "j": "त्र्", "k": "त्त्", "l": "थ्", "m": "थ्र्", "n": "द", "o": "दृ", "p": "द्र", "q": "द्द", "r": "द्ध", "s": "द्म", "t": "द्य", "u": "द्व", "v": "ध्", "w": "ध्र्", "x": "न्", "y": "न्र्", "z": "न्न्", "{": "प्", "|": "प्र्", "}": "फ्", "~": "फ़्", "¡": "फ", "¢": "फ़", "£": "फ्र", "¤": "ब्", "¥": "ब्र्", "¦": "भ्", "§": "भ्र्", "¨": "म्", "©": "म्र्", "ª": "य्", "«": "य्र्", "®": "र", "¯": "रु", "¬": "्य", "°": "रू", "±": "ल्", "²": "ळ्", "³": "ळ", "´": "व्", "µ": "व्र्", "¶": "श्", "•": "श्व्", "·": "श्व्", "¸": "श्र्", "¹": "ष्", "º": "स्", "»": "स्र्", "À": "ह्म", "Á": "ह्य", "¾": "हृ", "¿": "ह्र", "¼": "ह्", "½": "ह", "Â": "्", "Ã": "़", "Ä": "ँ", "Æ": "ं", "Å": "्र", "ä": "े", "è": "ै", "Éä": "ो", "Éè": "ौ", "É": "ा", "Ò": "ी", "Ö": "ु", "×": "ु", "Ù": "ु", "Ú": "ू", "Ý": "ू", "Þ": "ृ", "ß": "ॄ", "्ा": "", "å": "ें", "é": "ैं", "ì": "ॅ", "ð": "", "ñ": "", "ò": "", "ó": "", "ô": "", "õ": "", "ö": "", "÷": "", "ø": "", "ù": "", "ú": "", "û": "", "ü": "", "ý": "", "þ": "", "ाे": "ो", "ाै": "ौ", "आॅ": "ऑ", "ाॅ": "ॉ", "\'": "\"", "रू ": " डिग्री "}
# surekh = {"$": "ॐ", "&": "ः", "*": "।", "£Ã": "फ़्र", "+Éä": "ओ", "+Éè": "औ", "+É": "आ", "+": "अ", "<È": "ईं", "<Ç": "ई", "<": "इ", ">": "ऊ", "=": "उ", "@": "ऋ", "A": "ॠ", "Bå": "ऐं", "Bä": "ऐ", "‹ä": "ऐ", "B": "ए", "‹": "ए", "आå": "ओं", "आé": "औं", "C": "क्", "D": "क़्", "E": "क", "F": "क़", "G": "क्र", "H": "क्त", "I": "क्ष्", "J": "ख्", "K": "ख़्", "L": "ख्र्", "M": "ग्", "N": "ग़्", "O": "ग्र्", "P": "घ्", "Q": "घ्र्", "R": "ङ", "S": "च्", "T": "च्र्", "U": "छ", "V": "ज्", "W": "ज़्", "X": "ज्र्", "Y": "ज्ञ्", "Z": "झ्", "[": "झ्र्", "\\": "ञ्", "]": "ट", "^": "ट्ट", "_": "ट्ठ", "`": "ठ", "a": "ठ्ठ", "b": "ड", "c": "ड़", "d": "ड्ड", "e": "ड्ढ", "f": "ढ", "g": "ढ़", "h": "ण्", "i": "त्", "j": "त्र्", "k": "त्त्", "l": "थ्", "m": "थ्र्", "n": "द", "o": "दृ", "p": "द्र", "q": "द्द", "r": "द्ध", "s": "द्म", "t": "द्य", "u": "द्व", "v": "ध्", "w": "ध्र्", "x": "न्", "y": "न्र्", "z": "न्न्", "{": "प्", "|": "प्र्", "}": "फ्", "~": "फ़्", "¡": "फ", "¢": "फ़", "£": "फ्र", "¤": "ब्", "¥": "ब्र्", "¦": "भ्", "§": "भ्र्", "¨": "म्", "©": "म्र्", "ª": "य्", "«": "य्र्", "®": "र", "¯": "रु", "¬": "्य", "°": "रू", "±": "ल्", "²": "ळ्", "³": "ळ", "´": "व्", "µ": "व्र्", "¶": "श्", "•": "श्व्", "·": "श्व्", "¸": "श्र्", "¹": "ष्", "º": "स्", "»": "स्र्", "À": "ह्म", "Á": "ह्य", "¾": "हृ", "¿": "ह्र", "¼": "ह्", "½": "ह", "Â": "्", "Ã": "़", "Ä": "ँ", "Æ": "ं", "Å": "्र", "ä": "े", "è": "ै", "Éä": "ो", "Éè": "ौ", "É": "ा", "Ò": "ी", "Ö": "ु", "×": "ु", "Ù": "ु", "Ú": "ू", "Ý": "ू", "Þ": "ृ", "ß": "ॄ", "्ा": "", "å": "ें", "é": "ैं", "ì": "ॅ", "ð": "", "ñ": "", "ò": "", "ó": "", "ô": "", "õ": "", "ö": "", "÷": "", "ø": "", "ù": "", "ú": "", "û": "", "ü": "", "ý": "", "þ": "", "ाे": "ो", "ाै": "ौ", "आॅ": "ऑ", "ाॅ": "ॉ", "\'": "\"", "रू ": " डिग्री "}

def convert(input_file, out_file, char_map=None):
    fc = FontConv()
    def _is_ascii(word):
        # we've a mix of english and devanagari characters, decide which word to
        # convert based on the weight of english characters in the word :)
        # default threshold 0.7 means we consider a word to be english of 70% chars
        # are in ascii range 0-128.
        count_ascii = sum([1 if ord(c) < 128 else 0 for c in word])
        return count_ascii > 0.7 * len(word)

    def _replace_word(word):
        return fc.to_unicode('surekh', word)

    def _replace_line(line):
        words = line.split(' ')
        return ' '.join(_replace_word(w) if not _is_ascii(w) else w for w in words)

    with open(input_file, 'r', encoding='utf-8') as f:
        lines = f.readlines()
        with open(out_file, 'w', encoding='utf-8') as of:
            of.writelines(map(_replace_line, lines))

if __name__ == "__main__":
    convert(sys.argv[1], sys.argv[2])