如何音译非拉丁文字？

Question

我正在使用iconv在PHP中进行音译。特别是我想规范化重音字符并将其他脚本从UTF-8罗马化为纯ASCII。

虽然许多角色都有效，（例如Ž - ＆gt; Z）其他角色会产生奇怪的结果或引发错误。

例如，E ACUTE é（U + 00E9）在e之前用单引号（U + 0027）音译为ASCII，好像它试图表示我正在尝试的变音符号摆脱。

$utf_8 = "\xC3\xA9"; // <- é
$ascii = iconv( 'UTF-8', 'ASCII//TRANSLIT', $utf_8 );
// returns "'e", not "e"

非拉丁语脚本更糟糕，例如希腊语sigma Σ（U + 03A3）应该音译为拉丁语S根本无法识别并引发错误：

$utf_8 = "\xCE\xA3"; // <- Σ
$ascii = iconv( 'UTF-8', 'ASCII//TRANSLIT', $utf_8 );
// Raises notice: iconv(): Detected an illegal character in input string

我可以解决第一个问题，但是如何将“Σ”音译为“S”，并在具有相同字符的其他脚本中可靠地执行此操作？

如果有一个适用于大多数欧洲语言的好资源，我不介意生成我自己的表格。

请注意，我尝试了各种collation tables，这对于标注重音拉丁字符很有用，但它们不适用于脚本之间的音译。

Answer 1

使用iconv我没有太多运气。它总是设法抛出一堆通知。

我最好的运气是使用自定义音译表。它远非完美，但至少你会觉得你有一些坚实的基础。

我没有为音译表找到一个好的单一来源。除了拉丁文之外，我对其他任何东西都不熟悉没有帮助。

Answer 2

我attempted something similar - 它主要基于Doctrine 1代码并且并不完美：但它似乎适用于我投入的所有测试数据。