Bing Spell Check API v7 的重音和编码问题

Question

所以我尝试在 PHP 中使用 Bing 的拼写检查 API，但我遇到了一个问题，即重音符号和其他特殊字符没有被正确解码，从而产生了许多原始文本中没有的错误并弄乱了偏移量。

我的实现非常简单 - 它很大程度上基于他们在文档中提供的示例。我不确定我是否应该做一些不同的事情，或者他们如何解码这些特殊字符是否存在问题（这似乎极不可能 - 我搞砸的可能性更大......！）

代码如下：

$host = 'https://api.cognitive.microsoft.com';
$path = '/bing/v7.0/spellcheck?';

$data = array (
    'mkt' => $lang,
    'mode' => 'proof',
    'text' => urlencode($text)
);

$encodedData = http_build_query($data);
$key = 'subscription key redacted for obvious reasons';

$headers =  "Content-type: application/x-www-form-urlencoded\r\n" .
            "Ocp-Apim-Subscription-Key: $key\r\n";

if (isset($_SERVER['REMOTE_ADDR']))
    $headers .= "X-MSEdge-ClientIP: " . $_SERVER['REMOTE_ADDR'] . "\r\n";

$options = array (
    'http' => array (
        'header' => $headers,
        'method' => 'POST',
        'content' => $encodedData
    )
);
$context  = stream_context_create ($options);
$result = file_get_contents ($host . $path, false, $context);

if ($result === FALSE) {
    # Handle error
}

$decodedResult = json_decode($result, true);

例如，如果我尝试对以下字符串进行拼写检查：

机构

$encodedData 变成如下：

mkt=fr-CA&method=proof&text=d%25E2%2580%2599institutions

我从 API 得到的结果如下：

array(2) {
  ["_type"]=>
  string(10) "SpellCheck"
  ["flaggedTokens"]=>
  array(1) {
    [0]=>
    array(4) {
      ["offset"]=>
      int(8)
      ["token"]=>
      string(14) "99institutions"
      ["type"]=>
      string(12) "UnknownToken"
      ["suggestions"]=>
      array(2) {
        [0]=>
        array(2) {
          ["suggestion"]=>
          string(15) "99 institutions"
          ["score"]=>
          float(0.93191315174102)
        }
        [1]=>
        array(2) {
          ["suggestion"]=>
          string(14) "99 institution"
          ["score"]=>
          float(0.6518044080768)
        }
      }
    }
  }
}

如您所见，解码似乎有问题，因为 % 被编码了两次，并且显然只解码了一次。现在，如果我在 $data 中设置 'text' 的值时删除了 url_encode()，它可以很好地用于撇号，但它不适用于重音。例如下面的字符串：

责任

被 API 解释为

责任

返回错误。

这很可能是我忽略的一些简单的事情，但我已经为此苦苦挣扎了很长一段时间，如果我能得到任何帮助，我将不胜感激。

谢谢，

- 埃米尔

[ 编辑 ] 好吧，一如既往......当有疑问时，假设你错了。 API 建议更改常规字母的所有重音符号，因为即使指定的语言是法语，它仍然会以英语给出建议，而不是返回空数组。至于似乎没有被解码的口音，嗯......我正在 var_dump-ing 没有任何 doctype 集的数据，所以它当然会在没有正确编码的情况下显示。对此感到抱歉 - 最后，只需删除 urlencode() 就可以了！

Answer 1

根据docs：

API 支持两种校对模式，Proof 和 Spell。默认模式是证明。 Proof 拼写模式提供最全面的检查，但仅在 en-US（英语-美国）市场中可用。对于所有其他市场，将模式查询参数设置为拼写。 Spell 模式会发现大多数拼写错误，但不会发现 Proof 捕获的一些语法错误（例如，大写和重复的单词）。