Question

我有一个文件浏览器，我正在尝试查找哪些文件名包含给定的查询。代码如下：

$query = (isset($_POST['s']))? mb_strtolower($_POST['s'],'UTF-8') : ''; 
$res = opendir($dir); 
    while(false!== ($file = readdir($res))) { 
if(mb_strpos(mb_strtolower($file,'UTF-8'),mb_strtolower($query,'UTF-8'),0,'UTF-8')!== false) {
    echo $file;
}}

对于英语单词，这种方法很好，但是当文本是希腊语时，结果并不像预期的那样，这意味着它适用于一些但不是所有希腊语单词。可以有人帮我解决这个问题吗？

Answer 1

字素可以呈现相同或相似但它们不以相同的方式表示。例如：

ά在此表示为Unicode Character 'GREEK SMALL LETTER ALPHA WITH TONOS' (U+03AC)
ά在此处表示为Unicode Character 'GREEK SMALL LETTER ALPHA' (U+03B1)，后跟Unicode Character 'COMBINING ACUTE ACCENT' (U+0301)

这些是直接从your comment复制的。

为了比较它们，您应首先在两个字符串上使用normalizer_normalize()，以便在normalized forms中获取它们。要使用哪种类型的规范化表单最终取决于您。有四个：

NFD（ Canonical Decomposition ）
NFC（ Canonical Decomposition，然后是Canonical Composition ）
NFKD（兼容性分解）
NFKC（兼容性分解，然后是Canonical Composition ）

因为这种标准化正在内部使用，只是忽略NFC和NFKC，所以不需要重新组合。这使您可以选择NFD或NFKD - 规范或兼容。这些名称为您提供了一些关于等效性有多严格的线索。

1.1 Canonical and Compatibility Equivalence：

规范等价是表示相同抽象字符的字符或字符序列之间的基本等效，正确显示时应始终具有相同的视觉外观和行为。

兼容性等价是表示相同抽象字符的字符或字符序列之间较弱的等价，但可能具有不同的视觉外观或行为。

为了搜索，我会选择后者。

实施例

$foo = "παράρτημα";
$bar = "παράρτημα";
var_dump($foo === $bar);
var_dump(
    normalizer_normalize($foo, Normalizer::FORM_KD) ===
    normalizer_normalize($bar, Normalizer::FORM_KD)
);

输出：

bool(false)
bool(true)

PHP mb_strpos对希腊语字符串失败

1 个答案:

实施例

输出：