php 另一个Unicode preg_replace()问题

nmpmafwu 于 2023-06-21 发布在 PHP

关注(0)|答案(3)|浏览(154)

我读过很多解释如何处理Unicode字符的帖子，但没有一个建议对我有用。
我的php页面读取一个包含高阶字符串的文件，例如“Mötor”。我想将字符串转换为“正常”字符，例如“Motor”。
这就是我所尝试的：

$source = "Mötor";
$test = preg_replace('/[^\w\d\p{L}]/u', "", $source); // Returns null.
$test = preg_replace('/[^\w\d\p{L}]/u', "", htmlentities($source)); // Returns "".
$test = preg_replace("/&([a-z])[a-z]+;/i", "$1", $source); // Returns "Mötor".
$test = preg_replace("/&([a-z])[a-z]+;/i", "$1", htmlentities($source)); // Returns "".
$test = iconv('utf-8', 'ascii//TRANSLIT', $source); // Returns false.

我被难住了。谢谢！

php

来源：https://stackoverflow.com/questions/76446827/yet-another-unicode-preg-replace-question

3条答案

按热度按时间

hmtdttj41#

这被称为“音译”，intl的Transliterator将比将正则表达式拼凑在一起更好地工作。

$tests = [ "Mötor" ];

$tl = Transliterator::create('Latin-ASCII;');
foreach($tests as $str) {
    var_dump(
        $tl->transliterate($str)
    );
}

输出：

string(5) "Motor"

赞(0）回复(0）举报 2023-06-21

m1m5dgzv2#

一个行之有效的方法：

<?php
$source = "Mötor, šeřík, Προϊστορία, Україна";
var_dump( $source);
var_dump( preg_replace("/\p{Mn}/u", '',
            Normalizer::normalize( $source, Normalizer::FORM_D )));
?>

输出：.\SO\76446827.php

string(54) "Mötor, šeřík, Προϊστορία, Україна"
string(50) "Motor, serik, Προιστορια, Украіна"

参考资料（阅读）：

Unicode Normalization Forms
正则表达式：Unicode分类
\p{M}或\p{Mark}：要与另一个字符组合的字符（例如，重音符号、变音符号、封闭框等）。- \p{Mn}或\p{Non_Spacing_Mark}：一种不占用额外空间而与另一个字符组合在一起的字符（例如，重音、元音变音等）。
\p{Mc}或\p{Spacing_Combining_Mark}：用来和另一个字符组合的字符，它占用了额外的空间（在许多东方语言中是元音符号）。
\p{Me}或\p{Enclosing_Mark}：一种字符，它包含与之组合的字符（圆形、方形、键帽等）。
PHP手册：Unicode character properties（注意正则表达式中支持Unicode的/u选项）
注意：测试字符串包含各种脚本的重音字符（包括 Western 和 Eastern Latin、Greek 和 Cyrillic），以证明所用正则表达式的 * 脚本独立性 *：
ö（U+00 F6，* 带分音符的拉丁文小写字母O *）
š（U+0161，* 带卡隆的拉丁文小写字母S *）
ř（U+0159，* 带卡隆的拉丁文小写字母R *）
í（U+00 ED，* 带锐音符的拉丁文小写字母I *）
ϊ（U+03 CA，* 带Dialytika的希腊文小写字母Iota *）
ί（U+03 AF，* 带Tonos的希腊文小写字母Iota *）
ї（U+0457，* 西里尔文小写字母Yi*）