【问题标题】:PHP: Hebrew letters comparisonPHP:希伯来字母比较
【发布时间】:2018-11-09 14:07:19
【问题描述】:

我正在尝试将希伯来语单词拆分为字母并获取相应符号的索引。我已经设置了 UTF-8 标头并检查了文件的编码实际上是 UTF-8。但是由于某种原因,PHP 无法正确比较符号并且不返回所需的符号 ID,而如果我输出 $text 数组,它会很好地输出。我有一组希伯来字母:

$id_symbols = array(
    280=>'א‬',
    281=>'בּ‬',
    282=>'ב‬',
    283=>'ג‬',
    284=>'ד‬',
    285=>'ה‬',
    286=>'ו‬',
    287=>'ז‬',
    288=>'ח‬',
    289=>'ט‬',
    290=>'י‬',
    291=>'כּ‬',
    292=>'כ‬',
    293=>'ךּ‬',
    294=>'ך‬',
    295=>'ל‬',
    296=>'מ‬',
    297=>'ם‬',
    298=>'נ‬',
    299=>'ן‬',
    300=>'ס‬',
    301=>'ע‬',
    302=>'פּ‬',
    303=>'פ‬',
    304=>'ף‬',
    305=>'צ‬',
    306=>'ץ‬',
    307=>'ק‬',
    308=>'ר‬',
    309=>'שׁ‬',
    310=>'שׂ‬',
    311=>'תּ‬',
    312=>'ת‬',
);

我向这样的页面发送发布请求:

header('Content-type: text/html; charset=utf-8');

$ch = curl_init();

curl_setopt($ch, CURLOPT_URL,"http://pr.animizer.net/word-api.php");
curl_setopt($ch, CURLOPT_POST, 1);
curl_setopt($ch, CURLOPT_POSTFIELDS,
            "api_key=some_key&text=מילה&font=arial&font_size=30&fore_color=000000&back_color=FFFFFF&template=1,2,3&speed=4");

curl_setopt($ch, CURLOPT_RETURNTRANSFER, true);

$server_output = curl_exec($ch);

curl_close ($ch);

exit($server_output);

已收到一个 POST 请求,我正在尝试获取每个对应希伯来字母的密钥:

function mb_str_split($string) {
$strlen = mb_strlen($string);
while ($strlen) {
    $array[] = mb_substr($string,0,1,"UTF-8");
    $string = mb_substr($string,1,$strlen,"UTF-8");
    $strlen = mb_strlen($string);
}
return $array;
}

$text = mb_str_split($_POST['text']); //splitting text into symbols

foreach($text as $t){

    foreach($id_symbols as $key=>$value){
        if($value == $t){
            $word[] = $key;
        }
    }

}



print_r($word);

输出是

Array
(
)

附:尝试在相同的文件中以相同的方式输出俄语字母,它们工作正常。看起来问题不是编码问题

【问题讨论】:

    标签: php hebrew


    【解决方案1】:

    您的代码的问题是符号数组。

    代码的最后一部分尝试将 1 个符号(字符)与 $id_symbols 中的元素匹配。 问题是这些元素都不是 1 个符号。 它们是 2 或 3 个符号,因此它们永远不会匹配。

    这段代码会告诉你。

    foreach($id_symbols as $key => $value) {
        echo $key.' '.$value.' '.json_encode($value)."\n";
    }
    

    输出:

    280 א‬ "\u05d0\u202c"
    281 בּ‬ "\u05d1\u05bc\u202c"
    282 ב‬ "\u05d1\u202c"
    283 ג‬ "\u05d2\u202c"
    284 ד‬ "\u05d3\u202c"
    285 ה‬ "\u05d4\u202c"
    286 ו‬ "\u05d5\u202c"
    287 ז‬ "\u05d6\u202c"
    288 ח‬ "\u05d7\u202c"
    289 ט‬ "\u05d8\u202c"
    290 י‬ "\u05d9\u202c"
    291 כּ‬ "\u05db\u05bc\u202c"
    292 כ‬ "\u05db\u202c"
    293 ךּ‬ "\u05da\u05bc\u202c"
    294 ך‬ "\u05da\u202c"
    295 ל‬ "\u05dc\u202c"
    296 מ‬ "\u05de\u202c"
    297 ם‬ "\u05dd\u202c"
    298 נ‬ "\u05e0\u202c"
    299 ן‬ "\u05df\u202c"
    300 ס‬ "\u05e1\u202c"
    301 ע‬ "\u05e2\u202c"
    302 פּ‬ "\u05e4\u05bc\u202c"
    303 פ‬ "\u05e4\u202c"
    304 ף‬ "\u05e3\u202c"
    305 צ‬ "\u05e6\u202c"
    306 ץ‬ "\u05e5\u202c"
    307 ק‬ "\u05e7\u202c"
    308 ר‬ "\u05e8\u202c"
    309 שׁ‬ "\u05e9\u05c1\u202c"
    310 שׂ‬ "\u05e9\u05c2\u202c"
    311 תּ‬ "\u05ea\u05bc\u202c"
    312 ת‬ "\u05ea\u202c"
    

    每个应该只有一个反斜杠,但它们都有 2 或 3。

    第一个问题,它们都被\u202c终止了。 这个问题的解决方法很简单:删除它们。

    第二个问题,即使删除了所有\u202c,仍然有7个元素是2个符号宽。 它们是 281、291、293​​、302、309、310、311。 此问题的解决方案:必须将它们替换为它们的单个符号版本。

    例如,索引 293 的元素是\u05da\u05bc,它可以替换为\ufb3a。 见https://codepoints.net/U+FB3A

    我相信你可以处理剩下的 6 个符号。

    【讨论】:

    • 非常感谢。你的回答很有帮助
    【解决方案2】:

    正如@Rei 在他的回答中指出的那样,您当前的符号数组存在问题。修剪符号后,我注意到具有多个字符的七 (7) 个值具有标准字符和三个 point 字符之一:

    1. 希伯来点 DAGESH 或 MAPIQ (ּ)
    2. 希伯来点胫骨点 (ׁ)
    3. 希伯来文点单点 (ׂ)

    我编写了一些将希伯来字符转换为其十进制数字 HTML 编码值的代码。如果遇到 point 值之一,它将与数组中的下一个字符组合以匹配您的符号之一。以下代码对我来说效果很好:

    <?php 
    
    function _uniord($c) {
        if (ord($c{0}) >=0 && ord($c{0}) <= 127)
            return ord($c{0});
        if (ord($c{0}) >= 192 && ord($c{0}) <= 223)
            return (ord($c{0})-192)*64 + (ord($c{1})-128);
        if (ord($c{0}) >= 224 && ord($c{0}) <= 239)
            return (ord($c{0})-224)*4096 + (ord($c{1})-128)*64 + (ord($c{2})-128);
        if (ord($c{0}) >= 240 && ord($c{0}) <= 247)
            return (ord($c{0})-240)*262144 + (ord($c{1})-128)*4096 + (ord($c{2})-128)*64 + (ord($c{3})-128);
        if (ord($c{0}) >= 248 && ord($c{0}) <= 251)
            return (ord($c{0})-248)*16777216 + (ord($c{1})-128)*262144 + (ord($c{2})-128)*4096 + (ord($c{3})-128)*64 + (ord($c{4})-128);
        if (ord($c{0}) >= 252 && ord($c{0}) <= 253)
            return (ord($c{0})-252)*1073741824 + (ord($c{1})-128)*16777216 + (ord($c{2})-128)*262144 + (ord($c{3})-128)*4096 + (ord($c{4})-128)*64 + (ord($c{5})-128);
        if (ord($c{0}) >= 254 && ord($c{0}) <= 255)    //  error
            return FALSE;
        return 0;
    }
    
    function mb_str_split($string) {
        $strlen = mb_strlen($string);
        while ($strlen) {
            $array[] = mb_substr($string,-1,1,"UTF-8");
            $string = mb_substr($string,0,$strlen-1,"UTF-8");
            $strlen = mb_strlen($string);
        }
        return $array;
    }
    
    $hebrewText = $_POST['text'] //"מילה" used in example;
    
    $text = mb_str_split($hebrewText); //splitting text into symbols
    
    $word = [];
    
    $lookupChrs = array(
        '1488'=>280,
        '14681489'=>281,
        '1489'=>282,
        '1490'=>283,
        '1491'=>284,
        '1492'=>285,
        '1493'=>286,
        '1494'=>287,
        '1495'=>288,
        '1496'=>289,
        '1497'=>290,
        '14681499'=>291,
        '1499'=>292,
        '14681498'=>293,
        '1498'=>294,
        '1500'=>295,
        '1502'=>296,
        '1501'=>297,
        '1504'=>298,
        '1503'=>299,
        '1505'=>300,
        '1506'=>301,
        '14681508'=>302,
        '1508'=>303,
        '1507'=>304,
        '1510'=>305,
        '1509'=>306,
        '1511'=>307,
        '1512'=>308,
        '14731513'=>309,
        '14741513'=>310,
        '14681514'=>311,
        '1514'=>312
        );
    
    foreach($text as $t){
        $lookupChr = _uniord(array_shift($text));
        $lookupChr = (string)$lookupChr;
        //handle accents (two charactrers instead of one)
        if($lookupChr == "1468" || $lookupChr == "1473" || $lookupChr == "1474"){
            //accent detected, combine with next character
            //echo "\"" . $lookupChr . "\":\"" . _uniord(array_shift($text)) . "\"";
            $lookupChr .= _uniord(array_shift($text));
        }
        if($lookupChr != "0"){
            $word[] = $lookupChrs[$lookupChr];
        }
    }
    
    print_r($word);
    
    //OUTPUT:
    //    Array
    //    (
    //        [0] => 285
    //        [1] => 295
    //        [2] => 290
    //        [3] => 296
    //    )
    

    【讨论】:

      猜你喜欢
      • 1970-01-01
      • 2012-01-12
      • 1970-01-01
      • 1970-01-01
      • 2021-03-15
      • 1970-01-01
      • 1970-01-01
      • 1970-01-01
      • 2022-04-01
      相关资源
      最近更新 更多