Question

如何修改字符串突变的正则表达式代码，以便它也适用于重音字母？例如，“amor”的reges中的字符串变异应该与“āmōr”的字符串变异相同。我试着只是简单地包括像'（？＆lt; = [aeiouāēīōūăĕĭŏŭ]）'这样的重音字母，但那不起作用。

我的代码：

$hyphenation = '~
(?<=[aeiou]) #each syllable contain a vowel
(?:
    # Muta cum liquida
    ( (?:[bcdfgpt]r | [bcfgp] l | ph [lr] | [cpt] h | qu ) [aeiou] x )
  |
    [bcdfghlmnp-tx]
    (?:
        # ct goes together

        [cp] \K (?=t)
      |
        # two or more consonants are splitted up
        \K (?= [bcdfghlmnp-tx]+ [aeiou]) 
    )   
  |
    # a consonant and a vowel go together
    (?:
        \K (?= [bcdfghlmnp-t] [aeiou])
      | 
        #  "x" goes to the preceding vowel
        x \K (?= [a-z] | (*SKIP)(*F) ) 
    )
  |
    # two vowels are splitted up except ae oe...
    \K (?= [aeiou] (?<! ae | oe | au | que | qua | quo | qui ) ) 
)
~xi';


// hyphention
$result = preg_replace($hyphenation, '-$1', $input);

Answer 1

在unicode中可以用几种方式表示重音字母。例如ā可以是unicode代码点U + 0101（带有MACRON的LATIN SMALL LETTER A），但它也可以是U + 0061（LATIN SMALL LETTER A）和U + 0304（COMBINING MACRON）的组合。 (link)

结果，如果出现以下情况，写(?<=[aeiouāēīōūăĕĭŏŭ])是正确的：

您使用u修饰符通知pcre正则表达式引擎您的字符串和模式必须读作UTF-8字符串。否则，多字节字符被视为分离的字节而不是原子（这可能会产生问题并产生奇怪的结果，特别是当多字节字符在字符类中时。例如[eā]+将匹配“ē”）。< / p>
您确定目标字符串和模式对每个字母使用相同的表单。如果模式使用U + 0101而字符串U + 0061和U + 0304用于“ā”，则它将不起作用。要防止出现此问题，您可以将$str = Normalizer::normalize($str);应用于主题字符串。此方法来自intl扩展名。

您可以在以下链接中找到更多信息：

https://en.wikipedia.org/wiki/Unicode_equivalence
http://utf8-chartable.de/
http://php.net/manual/en/normalizer.normalize.php
http://php.net/manual/en/reference.pcre.pattern.modifiers.php
http://pcre.org/original/pcre.txt

在字符串突变中使用正则表达式中的重音字母

1 个答案: