Как удалить диакритические знаки из текста?
Я создаю шведский веб-сайт, и шведские буквы - å, ä и ö.
Мне нужно сделать строку, введенную пользователем, безопасной для URL с помощью PHP.
В принципе, нужно преобразовать все символы в подчеркивание, все, КРОМЕ этих:
A-Z, a-z, 1-9
И весь шведский язык должен быть преобразован следующим образом:
"å" до "a" и "ä" до "a" и "ö" до "o" (просто удалите точки выше).
Остальное должно стать подчеркиванием, как я уже сказал.
Я не очень хорош в обычных выражения, поэтому я был бы признателен за помощь, ребята!
Спасибо
ПРИМЕЧАНИЕ: НЕ URLENCODE... мне нужно сохранить его в базе данных... и т.д. и т.д., urlencode не будет работать для меня.
9 answers
// normalize data (remove accent marks) using PHP's *intl* extension
$data = normalizer_normalize($data);
// replace everything NOT in the sets you specified with an underscore
$data = preg_replace("#[^A-Za-z1-9]#","_", $data);
Это должно быть полезно для обработки почти всех случаев.
function Unaccent($string)
{
return preg_replace('~&([a-z]{1,2})(?:acute|cedil|circ|grave|lig|orn|ring|slash|th|tilde|uml|caron);~i', '$1', htmlentities($string, ENT_COMPAT, 'UTF-8'));
}
Используйте iconv для преобразования строк из заданной кодировки в ASCII, затем замените не буквенно-цифровые символы с помощью preg_replace:
$input = 'räksmörgås och köttbullar'; // UTF8 encoded
$input = iconv('UTF-8', 'ASCII//TRANSLIT', $input);
$input = preg_replace('/[^a-zA-Z0-9]/', '_', $input);
echo $input;
Результат:
raksmorgas_och_kottbullar
И весь шведский язык должен быть преобразован следующим образом:
"å" до "a" и "ä" до "a" и "ö" до "o" (просто удалите точки выше).
Использовать normalizer_normalize() чтобы избавиться от диакритических знаков.
Остальное должно стать подчеркиванием, как я уже сказал.
Использовать preg_replace() с шаблоном [\W] (т.е. w: любой символ, который не совпадает с буквами, цифрами или подчеркиванием), чтобы заменить их подчеркиванием.
Конечный результат должно выглядеть так:
$data = preg_replace('[\W]', '_', normalizer_normalize($data));
Если вы просто заинтересованы в том, чтобы сделать URL-адрес безопасным, то вы хотите urlencode.
Возвращает строку, в которой все не буквенно-цифровые символы, кроме -_. были заменены процентом (%) знак, за которым следуют две шестнадцатеричные цифры и пробелы, закодированные как знаки плюс (+). Он кодируется так же, как кодируются опубликованные данные из формы WWW , то есть так же, как в типе носителя application/x-www-form-urlencoded . Это отличается от " RFC 1738 (RFC 1738) кодирование (см. rawurlencode()) в том, что по историческим причинам пространства кодируются как знаки плюс (+).
Если вы действительно хотите удалить все, кроме A-Z, a-z, 1-9 (кстати, что не так с 0?), то вы хотите:
$mynewstring = preg_replace('/[^A-Za-z1-9]/', '', $str);
Так же просто, как
$str = str_replace(array('å', 'ä', 'ö'), array('a', 'a', 'o'), $str);
$str = preg_replace('/[^a-z0-9]+/', '_', strtolower($str));
Предполагая, что вы используете одну и ту же кодировку для своих данных и своего кода.
Одним из простых решений является использование функции str_replace с поиском и заменой буквенных массивов.
Вам не нужны необычные регулярные выражения для фильтрации шведских символов, просто используйте функцию strtr, чтобы "перевести" их, например:
$your_URL = "www.mäåö.com";
$good_URL = strtr($your_URL, "äåöë etc...", "aaoe etc...");
echo $good_URL;
->вывод: www.maao.com :)
Если включено расширение php intl, вы можете использовать транслитератор следующим образом:
protected function removeDiacritics($string)
{
$transliterator = \Transliterator::create('NFD; [:Nonspacing Mark:] Remove; NFC;');
return $transliterator->transliterate($string);
}
Для удаления других специальных символов (не только диакритических знаков, таких как "æ")
protected function removeDiacritics($string)
{
$transliterator = \Transliterator::createFromRules(
':: Any-Latin; :: Latin-ASCII; :: NFD; :: [:Nonspacing Mark:] Remove; :: NFC;',
\Transliterator::FORWARD
);
return $transliterator->transliterate($string);
}