Question

我有一组像

这样的字符

.，!，?，;，（空格）

和一个字符串，可能是也可能不是UTF 8（任何语言）。

有没有一种简单的方法可以确定字符串是否包含上面的字符集之一？

例如：

这是一个在中国的字符串。

转换为

This is a string in chinese.

点字符在第一个字符串中看起来不同。这是一个完全不同的角色，还是utf 8中的点代码？

或许有一个带有Unicode标点字符代码的列表？

Answer 1

在Unicode中有character properties^{PHP Docs}，例如符号，字母等。您可以使用preg_match^Docs和u修饰符搜索特定类的任何字符串。

echo preg_match('/pP$/u', $str);

但是，您的字符串需要UTF-8才能执行此操作。

您可以自行测试，我创建a little script，通过preg_match测试所有属性：

Looking for properties of last character in "Test.":
Found Punctuation (P).
Found Other punctuation (Po).

Looking for properties of last character in "这是一个在中国的字符串。":
Found Punctuation (P).
Found Other punctuation (Po).

相关：PHP - Fast way to strip all characters not displayable in browser from utf8 string。

Answer 2

是的，。（U + 3002， IDEOGRAPHIC FULL STOP ）与.完全不同（U + 002E， FULL STOP ）。如果要查明字符串是否包含列出的字符之一，可以使用正则表达式：

preg_match('/[.!?;。]/u', $str, $match)

这将返回0或1，$match将包含匹配的字符。这样，$str中的字符串在UTF-8中正确编码非常重要。

如果要匹配任何Unicode标点字符，可以使用模式\p{P}来描述Unicode character property：

/\p{P}/u

Answer 3

你没有尝试音译，你正试图翻译！

UTF-8不是一种语言，是一种支持（虚拟）世界上已知语言的unicode字符集

你要做的是这样的事情：

echo iconv("UTF-8", "ASCII//TRANSLIT//IGNORE",  "这是一个在中国的字符串。");
echo iconv("UTF-8", "ASCII//TRANSLIT//IGNORE",  "à è ò ù");

不适用于您的中文示例

如何找出UTF 8中的标点符号形式？

3 个答案: