在 PHP 5.3 中解析 Unicode JSON 对象

Question

我正在尝试在 PHP 5.3 中解析推文中的文本，但在解析包含 Unicode 字符的用户提及、主题标签和链接时遇到问题。

首先我获取推文并将其存储到 txt 文件中：

$tweets_file = createFile('cache/'.$twitteruser.'-tweets.txt', json_encode($tweets));

之后，在我的文本文件中，我可以看到一堆 Unicode 字符（例如 Landsli\u00f0sma\u00f0ur）。

当我尝试显示所有推文时，我会这样做：

function twitterify($text) {
  $text = preg_replace("#(^|[\n ])([\w]+?://[\w]+[^ \"\n\r\t< ]*)#u", "\\1<a href=\"\\2\" target=\"_blank\">\\2</a>", $text);
  $text = preg_replace("#(^|[\n ])((www|ftp)\.[^ \"\t\n\r< ]*)#u", "\\1<a href=\"http://\\2\" target=\"_blank\">\\2</a>", $text);
  $text = preg_replace("/@(\w+)/u", "<a href=\"http://www.twitter.com/\\1\" target=\"_blank\">@\\1</a>", $text);
  $text = preg_replace("/#(\w+)/u", "<a href=\"http://search.twitter.com/search?q=\\1\" target=\"_blank\">#\\1</a>", $text);
  return $text;
}

$tweets_file = file_get_contents('cache/'.$queried_user.'-tweets.txt');
$tweets = json_decode($tweets_file);
foreach($tweets as $tweet) {
  echo twitterify($tweet->text);
  // do other stuff...
}

例如，在主题标签中出现 Unicode 字符之前，这里一切正常。我的preg_replace 停在那个字符上，像#rafhlaða 这样的标签会呈现为<a href="#">#rafhla</a>ða。

如何才能正确渲染出包含 Unicode 字符的文本？

Answer 1

我无法重现您的错误。我从 pastebin 中取出 JSON 数据，并将其修改为最简单的情况：

[{"text":"#rafhla\u00f0a"}]

所以，文字只有 1 个字：rafhlaða

然后运行以下脚本：

<?php
function twitterify($ret) {
    $ret = preg_replace("#(^|[\n ])([\w]+?://[\w]+[^ \"\n\r\t< ]*)#u", "\\1<a href=\"\\2\" target=\"_blank\">\\2</a>", $ret);
    $ret = preg_replace("#(^|[\n ])((www|ftp)\.[^ \"\t\n\r< ]*)#u", "\\1<a href=\"http://\\2\" target=\"_blank\">\\2</a>", $ret);
    $ret = preg_replace("/@(\w+)/u", "<a href=\"http://www.twitter.com/\\1\" target=\"_blank\">@\\1</a>", $ret);
    $ret = preg_replace("/#(\w+)/u", "<a href=\"http://search.twitter.com/search?q=\\1\" target=\"_blank\">#\\1</a>", $ret);
    return $ret;
}


$tweets_file = file_get_contents('file.txt');
$tweets = json_decode($tweets_file);
foreach($tweets as $tweet) {
    print $tweet->text;
    print "\n";
    echo twitterify($tweet->text);
    exit;
}

打印出来了：

#rafhlaða
<a href="http://search.twitter.com/search?q=rafhlaða" target="_blank">#rafhlaða</a>

这与您的陈述相矛盾：

#rafhlaða renders to <a href="#">#rafhla</a>ða

更新

<?php
function twitterify($ret) {
    $ret = preg_replace("#(^|[\n ])([\w]+?://[\w]+[^ \"\n\r\t< ]*)#", "\\1<a href=\"\\2\" target=\"_blank\">\\2</a>", $ret);
    $ret = preg_replace("#(^|[\n ])((www|ftp)\.[^ \"\t\n\r< ]*)#", "\\1<a href=\"http://\\2\" target=\"_blank\">\\2</a>", $ret);
    $ret = preg_replace("/@(.+?)(?=\s|$)/", "<a href=\"http://www.twitter.com/\\1\" target=\"_blank\">@\\1</a>", $ret);
    $ret = preg_replace("/#(.+?)(?=\s|$)/", "<a href=\"http://search.twitter.com/search?q=\\1\" target=\"_blank\">#\\1</a>", $ret);
    return $ret;
}


$tweet = '[{"text":"#rafhla\u00f0a #rafhla\u00f0a"}]';
$tweet = json_decode($tweet);
print $tweet[0]->text;
print "\n";
echo twitterify($tweet[0]->text);

打印：

#rafhlaða #rafhlaða

<a href="http://search.twitter.com/search?q=rafhlaða" target="_blank">#rafhlaða</a> <a href="http://search.twitter.com/search?q=rafhlaða" target="_blank">#rafhlaða</a>

Answer 2

尝试将此添加到您的脚本中（并省略 preg_replace）：

header('Content-Type: application/json; Charset=UTF-8');

解决方案二：

$tweets_file = file_get_contents('cache/'.$queried_user.'-tweets.txt', FILE_TEXT);