Question

我正在尝试编写一个PHP脚本，将日语烹饪食谱从日语翻译成英语。这是宠物项目，并不是完美的。我的策略是......

使用file_get_contents
用英语替换一些日语（主要是成分名称）
将结果写入HTML文件

我从命令行运行这个PHP脚本：

<?php

    // Get contents of Japanese cooking website
    $url = 'http://recipe.igamono.jp/?eid=1077379';
    $context = stream_context_create(array('http' => array('header' => 'Accept-Charset: UTF-8, *;q=0')));
    $html = file_get_contents($url, false, $context);

    // Replace stuff
    $html = preg_replace('/right/s', 'foobar', $html); // works
    $html = preg_replace('/の/s', 'shazam!!', $html); // doesn't work

    // Write output to a file
    file_put_contents('output.html', $html);

?>

我使用Sublime Text编辑文件（translate.php），我确保使用以下文件保存文件：文件/使用编码保存/ UTF-8

当我运行脚本时，一切都有效，除了更换の。没有の的替代发生。

但是，工作：

<?php
    $html = "one の two の";
    $html = preg_replace('/の/s', 'shazam!!', $html);

    file_put_contents('output.html', $html);
?>

输出结果为：

一个shazam !!两个shazam !!

有什么建议吗？我知道这是一个字符编码问题，但我似乎无法让它发挥作用。

更新

这是一个在$ html变量上测试UTF-8编码的修改版本：

<?php
    // Get contents of Japanese cooking website
    $url = 'http://recipe.igamono.jp/?eid=1077379';
    $context = stream_context_create(array('http' => array('header' => 'Accept-Charset: UTF-8, *;q=0')));
    $html = file_get_contents($url, FILE_TEXT, $context);

    if(mb_detect_encoding($html, 'UTF-8')) print("Yep, UTF-8 it is.\n");
    if(! mb_detect_encoding($html, 'UTF-8', true)) print("Well, on second thought.. maybe not!\n");

?>

输出结果为：

是的，它是UTF-8。

嗯，第二个想法......也许不是！

我的解决方案

这是我提出的一个解决方案：

<?php
    // Get contents of Japanese cooking website
    $url = 'http://recipe.igamono.jp/?eid=1077379';
    $html = file_get_contents($url);

    // Convert HTML to UTF-8 from Japanese
    $html = mb_convert_encoding($html, "UTF-8", "EUC-JP");

    // Replace stuff
    $html = preg_replace('/right/s', 'foobar', $html);
    $html = preg_replace('/の/s', 'shazam!!', $html);

    // Convert HTML back to Japanese character encoding
    $html = mb_convert_encoding($html, "EUC-JP", "UTF-8");

    // Write HTML to a file
    file_put_contents('output.html', $html);
?>

Answer 1

尝试$html = preg_replace('/の/su', 'shazam!!', $html);（使用/ u UTF-8修饰符）。

更新：

使用/ u修饰符时，输入文本（此处为$ html）必须是UTF-8有效，否则根本不会替换任何内容。可以通过mb_check_encoding($string, 'UTF-8')检查输入文本编码。

Answer 2

建议：

    $html = preg_replace('/[\x{306E}]/u', 'shazam!!', $html);

<强>更新原来你加载的页面不是UTF-8，而是EUC-JP。这样做的：

<?php

// Get contents of Japanese cooking website
$url = 'http://recipe.igamono.jp/?eid=1077379';
$context = stream_context_create(array('http' => array('header' => 'Accept-Charset: EUC-JP, *;q=0')));
$html = file_get_contents($url, false, $context);

// Replace stuff
$html = mb_convert_encoding($html, "UTF-8", "EUC-JP");
$html = preg_replace('/right/s', 'foobar', $html); // works
$html = preg_replace('/の/s', 'shazam!!', $html); // doesn't work

// Write output to a file
file_put_contents('output.html', $html);
?>

我得到＆＃34; shazam !!＆＃34;

如何使用preg_replace从远程网站翻译日语到英语

2 个答案: