web-dev-qa-db-ja.com

変換可能なutf8 charを同等のASCIIに文字変換します

この音訳を良い方法で行う良い解決策はありますか？

私はiconv()を使用してみましたが、非常に煩わしく、期待どおりに動作しません。

  • _//TRANSLIT_を使用すると、可能なものを置き換えようとし、変換できないものはすべて「？」として残します。
  • _//IGNORE_を使用しても「？」は残りませんテキストでは、文字変換されず、変換不可能な文字が見つかったときに_E_NOTICE_も発生するため、@エラーサプレッサーでiconvを使用する必要があります。
  • _//IGNORE//TRANSLIT_の使用（PHPフォーラム）で示唆されているように）は実際には_//IGNORE_と同じです（phpバージョン5.3.2および5.3.13で試してみました）
  • _//TRANSLIT//IGNORE_の使用も_//TRANSLIT_と同じです

また、現在のロケール設定を使用して音訳します。

警告-多くのテキストとコードが続きます！

ここではいくつかの例を示します。

_$text = 'Regular ascii text + čćžšđ + äöüß + éĕěėëȩ + æø€ + $ + ¶ + @';
echo '<br />original: ' . $text;
echo '<br />regular: ' . iconv("UTF-8", "ASCII//TRANSLIT", $text);
//> regular: Regular ascii text + ????? + ???ss + ?????? + ae?EUR + $ + ? + @

setlocale(LC_ALL, 'en_GB');
echo '<br />en_GB: ' . iconv("UTF-8", "ASCII//TRANSLIT", $text);
//> en_GB: Regular ascii text + cczs? + aouss + eeeeee + ae?EUR + $ + ? + @

setlocale(LC_ALL, 'en_GB.UTF8'); // will this work?
echo '<br />en_GB.UTF8: ' . iconv("UTF-8", "ASCII//TRANSLIT", $text);
//> en_GB.UTF8: Regular ascii text + cczs? + aouss + eeeeee + ae?EUR + $ + ? + @
_

OK、それはconvertćšäöüßéĕěëȩとæを変換しましたが、なぜđとøを変換しないのですか？

_// now specific locales
setlocale(LC_ALL, 'hr_Hr'); // this should fix croatian đ, right?
echo '<br />hr_Hr: ' . iconv("UTF-8", "ASCII//TRANSLIT", $text);
// wrong > hr_Hr: Regular ascii text + cczs? + aouss + eeeeee + ae?EUR + $ + ? + @

setlocale(LC_ALL, 'sv_SE'); // so this will fix swedish ø?
echo '<br />sv_SE: ' . iconv("UTF-8", "ASCII//TRANSLIT", $text);
// will not > sv_SE: Regular ascii text + cczs? + aouss + eeeeee + ae?EUR + $ + ? + @

//this is interesting
setlocale(LC_ALL, 'de_DE');
echo '<br />de_DE: ' . iconv("UTF-8", "ASCII//TRANSLIT", $text);
//> de_DE: Regular ascii text + cczs? + aeoeuess + eeeeee + ae?EUR + $ + ? + @
// actually this is what any german would expect since ä ö ü really is same as ae oe ue
_

_//IGNORE_で試してみましょう：

_echo '<br />ignore: ' . iconv("UTF-8", "ASCII//IGNORE", $text);
//> ignore: Regular ascii text + + + + + $ + + @
//+ E_NOTICE: "Notice: iconv(): Detected an illegal character in input string in /var/www/test.server.web/index.php on line 49"

// with translit?
echo '<br />ignore/translit: ' . iconv("UTF-8", "ASCII//IGNORE//TRANSLIT", $text);
//same as ignore only> ignore/translit: Regular ascii text + + + + + $ + + @
//+ E_NOTICE: "Notice: iconv(): Detected an illegal character in input string in /var/www/test.server.web/index.php on line 54"

// translit/ignore?
echo '<br />translit/ignore: ' . iconv("UTF-8", "ASCII//TRANSLIT//IGNORE", $text);
//same as translit only> translit/ignore: Regular ascii text + cczs? + aouss + eeeeee + ae?EUR + $ + ? + @
_

この男の解決策 を使用しても、期待どおりに機能しません：_Regular ascii text + YYYYY + aous + eYYYeY + aoY + $ + � + @_

PECL intl Normalizer クラスを使用していても（PHP> 5.3.0、ICU package intlの使用がPHPつまり特定のホスティングサーバー上）で使用できない場合がありますが、間違った結果が生成されます。

_echo '<br />normalize: ' .preg_replace('/\p{Mn}/u', '', Normalizer::normalize($text, Normalizer::FORM_KD));
//>normalize: Regular ascii text + cczsđ + aouß + eeeeee + æø€ + $ + ¶ + @
_

それで、これを正しく行う他の方法はありますか、またはpreg_replace()またはstr_replace()を実行し、文字変換テーブルを自分で定義することだけが適切ですか？

//付録：ZF wikiのディベートで2008年から Zend_Filter_Transliterateの提案 を見つけましたが、一部の言語では変換できない（つまり中国語）ため、プロジェクトは削除されましたが、すべてのラテン語およびcyrilic-based language IMOこのオプションは存在するはずです。

phputf-8asciiiconvtransliteration
20
Ivan Hušnjak

Patchwork\Utf8のtoAscii（）関数は、まさにこれを行います。以下を参照してください：

https://github.com/nicolas-grekas/Patchwork-UTF8/blob/master/src/Patchwork/Utf8.php

Iconvとintlのノーマライザを利用して、アクセントを削除し、合字を分割し、他の多くの一般的な文字変換を行います。

10
Nicolas Grekas

このウェブサイト から、あなたに役立つかもしれない何かを見つけました：

function removeAccents($str)
{
  $a = array('À', 'Á', 'Â', 'Ã', 'Ä', 'Å', 'Æ', 'Ç', 'È', 'É', 'Ê', 'Ë', 'Ì', 'Í', 'Î', 'Ï', 'Ð', 'Ñ', 'Ò', 'Ó', 'Ô', 'Õ', 'Ö', 'Ø', 'Ù', 'Ú', 'Û', 'Ü', 'Ý', 'ß', 'à', 'á', 'â', 'ã', 'ä', 'å', 'æ', 'ç', 'è', 'é', 'ê', 'ë', 'ì', 'í', 'î', 'ï', 'ñ', 'ò', 'ó', 'ô', 'õ', 'ö', 'ø', 'ù', 'ú', 'û', 'ü', 'ý', 'ÿ', 'Ā', 'ā', 'Ă', 'ă', 'Ą', 'ą', 'Ć', 'ć', 'Ĉ', 'ĉ', 'Ċ', 'ċ', 'Č', 'č', 'Ď', 'ď', 'Đ', 'đ', 'Ē', 'ē', 'Ĕ', 'ĕ', 'Ė', 'ė', 'Ę', 'ę', 'Ě', 'ě', 'Ĝ', 'ĝ', 'Ğ', 'ğ', 'Ġ', 'ġ', 'Ģ', 'ģ', 'Ĥ', 'ĥ', 'Ħ', 'ħ', 'Ĩ', 'ĩ', 'Ī', 'ī', 'Ĭ', 'ĭ', 'Į', 'į', 'İ', 'ı', 'IJ', 'ij', 'Ĵ', 'ĵ', 'Ķ', 'ķ', 'Ĺ', 'ĺ', 'Ļ', 'ļ', 'Ľ', 'ľ', 'Ŀ', 'ŀ', 'Ł', 'ł', 'Ń', 'ń', 'Ņ', 'ņ', 'Ň', 'ň', 'ʼn', 'Ō', 'ō', 'Ŏ', 'ŏ', 'Ő', 'ő', 'Œ', 'œ', 'Ŕ', 'ŕ', 'Ŗ', 'ŗ', 'Ř', 'ř', 'Ś', 'ś', 'Ŝ', 'ŝ', 'Ş', 'ş', 'Š', 'š', 'Ţ', 'ţ', 'Ť', 'ť', 'Ŧ', 'ŧ', 'Ũ', 'ũ', 'Ū', 'ū', 'Ŭ', 'ŭ', 'Ů', 'ů', 'Ű', 'ű', 'Ų', 'ų', 'Ŵ', 'ŵ', 'Ŷ', 'ŷ', 'Ÿ', 'Ź', 'ź', 'Ż', 'ż', 'Ž', 'ž', 'ſ', 'ƒ', 'Ơ', 'ơ', 'Ư', 'ư', 'Ǎ', 'ǎ', 'Ǐ', 'ǐ', 'Ǒ', 'ǒ', 'Ǔ', 'ǔ', 'Ǖ', 'ǖ', 'Ǘ', 'ǘ', 'Ǚ', 'ǚ', 'Ǜ', 'ǜ', 'Ǻ', 'ǻ', 'Ǽ', 'ǽ', 'Ǿ', 'ǿ');
  $b = array('A', 'A', 'A', 'A', 'A', 'A', 'AE', 'C', 'E', 'E', 'E', 'E', 'I', 'I', 'I', 'I', 'D', 'N', 'O', 'O', 'O', 'O', 'O', 'O', 'U', 'U', 'U', 'U', 'Y', 's', 'a', 'a', 'a', 'a', 'a', 'a', 'ae', 'c', 'e', 'e', 'e', 'e', 'i', 'i', 'i', 'i', 'n', 'o', 'o', 'o', 'o', 'o', 'o', 'u', 'u', 'u', 'u', 'y', 'y', 'A', 'a', 'A', 'a', 'A', 'a', 'C', 'c', 'C', 'c', 'C', 'c', 'C', 'c', 'D', 'd', 'D', 'd', 'E', 'e', 'E', 'e', 'E', 'e', 'E', 'e', 'E', 'e', 'G', 'g', 'G', 'g', 'G', 'g', 'G', 'g', 'H', 'h', 'H', 'h', 'I', 'i', 'I', 'i', 'I', 'i', 'I', 'i', 'I', 'i', 'IJ', 'ij', 'J', 'j', 'K', 'k', 'L', 'l', 'L', 'l', 'L', 'l', 'L', 'l', 'l', 'l', 'N', 'n', 'N', 'n', 'N', 'n', 'n', 'O', 'o', 'O', 'o', 'O', 'o', 'OE', 'oe', 'R', 'r', 'R', 'r', 'R', 'r', 'S', 's', 'S', 's', 'S', 's', 'S', 's', 'T', 't', 'T', 't', 'T', 't', 'U', 'u', 'U', 'u', 'U', 'u', 'U', 'u', 'U', 'u', 'U', 'u', 'W', 'w', 'Y', 'y', 'Y', 'Z', 'z', 'Z', 'z', 'Z', 'z', 's', 'f', 'O', 'o', 'U', 'u', 'A', 'a', 'I', 'i', 'O', 'o', 'U', 'u', 'U', 'u', 'U', 'u', 'U', 'u', 'U', 'u', 'A', 'a', 'AE', 'ae', 'O', 'o');
  return str_replace($a, $b, $str);
}

使用例：

$text = 'Regular ascii text + čćžšđ + äöüß + éĕěėëȩ + æø€ + $ + ¶ + @';
echo removeAccents($text);

ディスプレイ：

Regular ascii text + cczsd + aous + eeeeeȩ + aeo€ + $ + ¶ + @

あなたはそれを改善する必要があるでしょう、しかしあなたは考えを得るでしょう...そのような仕事をする直接的な方法があるならば、私はそれを知りません。

5
Alain Tiemblo

私があなたを正しく理解していれば、私はあなたのための答えを持っているかもしれません：私はほとんどの文字をPHPに変換できる基本的なASCIIクラスを書きました=同等。

以下は、さまざまなcomposer名前にアクセントを含む名前を変換した出力のスクリーンショットです。

ここのgithubからフォークできます https://github.com/LukeMadhanga/transliterator 。

注意：まだ文書化されていませんが、簡単に理解できるはずです。

Example

1
Luke Madhanga

上記の解決策のどれも私にとってはうまくいかなかったので（ヨーロッパの多くの文字セットをASCIIに音訳する必要がありました）、ついに動作するように見えるこの古いPECLパッケージをようやく見つけました http://derickrethans.nl/projects.html# translit 。特にキリル文字セットで問題がありましたが、これはそれらを完全に処理するようです。

1
user3914203

適切なロケールを設定するのがよいと思います。特定のロケールもシステムで使用できる必要があることに注意してください。locale -aを使用して確認してください。 de_DE.utf8しかない場合-set_locale（de_DE.utf8）も使用する必要があります

1
Alex