如何使用 preg_replace 从远程网站将日语翻译成英语

Question

我正在尝试编写一个 PHP 脚本来将日本烹饪食谱从日语翻译成英语。这是宠物项目，不一定是完美的。我的战术是..

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

我运行正在从命令行运行这个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);

?>

我正在使用 Sublime Text 编辑文件 (translate.php)，并且我已确保使用以下方式保存文件：文件/使用编码保存/UTF-8

当我运行脚本时，除了の替换外，一切正常。没有替换の发生。

但是，确实有效：

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

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

输出为：

one shazam!! two shazam!!

有什么建议吗？我知道这是一个字符编码问题，但我似乎无法让它正常工作。

更新：

这是一个修改后的版本，用于测试 $html 变量上的 UTF-8 编码：

<?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");

?>

输出为：

Yep, UTF-8 it is.

Well, on second thought.. maybe not!

我的解决方案

这是我想出的一种解决方案：

<?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：

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

检查

Answer 2

建议：

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

更新： 原来您正在加载的页面不是 UTF-8，而是 EUC-JP。正在做：

<?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"shazam!!"

如何使用 preg_replace 从远程网站将日语翻译成英语

How to use preg_replace to translate Japanese to English from a remote website

php

utf-8

preg-replace

character-encoding

str-replace