Question

在希伯来语书面语言中，有称为niqqud的元音标记，而不是完整字母。在英文中，“ a e i o u”是字母；在希伯来语中，它们是字母下的标记。例如，在נִקּוּד中，第一个字母（נִ）下有一个点“ i”（希伯来语从右到左读取）。每个标记都是字符，而不是字母。

我正在尝试获取希伯来语中任何单词的最后2个字母（不是字符）。问题在于函数substr()和mb_substr()包含元音标记作为完整字符，因此它没有给我最后两个字母。我该怎么办？

这是我的代码：

<?php
    $array = array('סָאוּנְדּמֶן','לֵיְמֶן','דֹּמֶן','דּוֹרְמֶן','אחמד','בןהמלך');
    $dynamicstring = 'שֶׁמֶן';
    $word_strlen = strlen($dynamicstring);
    $newstring = substr($dynamicstring, -4);

    echo strlen($dynamicstring);
    echo '<br>';
    echo htmlspecialchars($newstring);
?>

Answer 1

使用mb_substr（$ string，0，3，'UTF-8'）;方法，而不是使用UTF-8来指定希伯来语的正确格式

Answer 2

您应该使用mb_substr();。确保还检查以下内容：

HTML文档设置为相同的字符集
数据库连接以将数据集插入相同的字符集
数据库表设置为相同的字符集
数据库连接以将数据集提取到相同的字符集

对于希伯来语，您应该使用UTF-8作为字符集。

这应该是正确的代码：

<?php
    $array = array('סָאוּנְדּמֶן','לֵיְמֶן','דֹּמֶן','דּוֹרְמֶן','אחמד','בןהמלך');
    $dynamicstring = 'שֶׁמֶן';
    $word_strlen = mb_strlen($dynamicstring, 'UTF-8');
    $newstring = mb_substr($dynamicstring, ($word_strlen-2), $word_strlen, 'UTF-8');

    echo mb_strlen($dynamicstring);
    echo '<br>';
    echo htmlspecialchars($newstring);
?>

Answer 3

substr()和mb_substr()都不知道字符标记或字母。 substr()只是查看字节数，而mb_substr()则查看代码点数。由于字符标记和字母都使用单个代码点，因此mb_substr()无法区分它们。

您可以改用正则表达式：

if (preg_match('/\X\X$/u', $dynamicstring, $match)) {
    $newstring = $match[0];
}

或

$newstring = preg_replace('/^.*?(\X\X)$/us', '$1', $dynamicstring);

在程序中使用其中两个输出שֶׁמֶן的最后两个字母：

מֶן

每个\X都将匹配一个字母以及紧随其后的所有标记。表达式末尾的/u选项是打开Unicode模式（UTF-8），否则它将无法识别希伯来语代码点。

如果要使用单行preg_replace()版本，则必须在正则表达式模式的开头添加^.*?，以匹配从输入字符串开始到下一个模式的所有字符。用*?代替*是为了使其不贪心，否则它将也成为下一个序列的一部分。仅在输入中包含换行符时才需要/s选项，以允许.匹配包括换行符在内的所有字符，否则可以省去。

我建议您查看Regular-Expressions.info，尤其是the section on PHP和the section on Unicode。

不能使用substr指定希伯来字母的数量

3 个答案: