PHP：希伯来字母比较

Question

我正在尝试将希伯来语单词拆分为字母并获取相应符号的索引。我已经设置了 UTF-8 header 并检查了文件的编码实际上是 UTF-8。但是出于某种原因 PHP 无法正确比较符号并且 return 不是必需的符号 ID，而如果我输出 $text 数组，它会很好地输出。我有一组希伯来字母：

$id_symbols = array(
    280=>'א‬',
    281=>'בּ‬',
    282=>'ב‬',
    283=>'ג‬',
    284=>'ד‬',
    285=>'ה‬',
    286=>'ו‬',
    287=>'ז‬',
    288=>'ח‬',
    289=>'ט‬',
    290=>'י‬',
    291=>'כּ‬',
    292=>'כ‬',
    293=>'ךּ‬',
    294=>'ך‬',
    295=>'ל‬',
    296=>'מ‬',
    297=>'ם‬',
    298=>'נ‬',
    299=>'ן‬',
    300=>'ס‬',
    301=>'ע‬',
    302=>'פּ‬',
    303=>'פ‬',
    304=>'ף‬',
    305=>'צ‬',
    306=>'ץ‬',
    307=>'ק‬',
    308=>'ר‬',
    309=>'שׁ‬',
    310=>'שׂ‬',
    311=>'תּ‬',
    312=>'ת‬',
);

我向这样的页面发送 post 请求：

header('Content-type: text/html; charset=utf-8');

$ch = curl_init();

curl_setopt($ch, CURLOPT_URL,"http://pr.animizer.net/word-api.php");
curl_setopt($ch, CURLOPT_POST, 1);
curl_setopt($ch, CURLOPT_POSTFIELDS,
            "api_key=some_key&text=מילה&font=arial&font_size=30&fore_color=000000&back_color=FFFFFF&template=1,2,3&speed=4");

curl_setopt($ch, CURLOPT_RETURNTRANSFER, true);

$server_output = curl_exec($ch);

curl_close ($ch);

exit($server_output);

已收到 POST 请求我正在尝试获取每个对应希伯来字母的密钥：

function mb_str_split($string) {
$strlen = mb_strlen($string);
while ($strlen) {
    $array[] = mb_substr($string,0,1,"UTF-8");
    $string = mb_substr($string,1,$strlen,"UTF-8");
    $strlen = mb_strlen($string);
}
return $array;
}

$text = mb_str_split($_POST['text']); //splitting text into symbols

foreach($text as $t){

    foreach($id_symbols as $key=>$value){
        if($value == $t){
            $word[] = $key;
        }
    }

}



print_r($word);

输出为

Array
(
)

P.S。尝试在相同的文件中以相同的方式输出俄文字母，它们工作正常。看起来问题不是编码

Answer 1

您的代码的问题是符号数组。

代码的最后一部分尝试将 1 个符号（字符）与 $id_symbols 中的元素相匹配。问题是这些元素的 none 是 1 个符号。它们各有 2 个或 3 个符号，因此它们永远不会匹配。

这段代码会告诉你。

foreach($id_symbols as $key => $value) {
    echo $key.' '.$value.' '.json_encode($value)."\n";
}

输出：

280 א‬ "\u05d0\u202c"
281 בּ‬ "\u05d1\u05bc\u202c"
282 ב‬ "\u05d1\u202c"
283 ג‬ "\u05d2\u202c"
284 ד‬ "\u05d3\u202c"
285 ה‬ "\u05d4\u202c"
286 ו‬ "\u05d5\u202c"
287 ז‬ "\u05d6\u202c"
288 ח‬ "\u05d7\u202c"
289 ט‬ "\u05d8\u202c"
290 י‬ "\u05d9\u202c"
291 כּ‬ "\u05db\u05bc\u202c"
292 כ‬ "\u05db\u202c"
293 ךּ‬ "\u05da\u05bc\u202c"
294 ך‬ "\u05da\u202c"
295 ל‬ "\u05dc\u202c"
296 מ‬ "\u05de\u202c"
297 ם‬ "\u05dd\u202c"
298 נ‬ "\u05e0\u202c"
299 ן‬ "\u05df\u202c"
300 ס‬ "\u05e1\u202c"
301 ע‬ "\u05e2\u202c"
302 פּ‬ "\u05e4\u05bc\u202c"
303 פ‬ "\u05e4\u202c"
304 ף‬ "\u05e3\u202c"
305 צ‬ "\u05e6\u202c"
306 ץ‬ "\u05e5\u202c"
307 ק‬ "\u05e7\u202c"
308 ר‬ "\u05e8\u202c"
309 שׁ‬ "\u05e9\u05c1\u202c"
310 שׂ‬ "\u05e9\u05c2\u202c"
311 תּ‬ "\u05ea\u05bc\u202c"
312 ת‬ "\u05ea\u202c"

每个反斜杠应该只有一个，但它们都有 2 个或 3 个。

第一个问题，他们都被\u202c终止了。这个问题的解决方案很简单：删除它们即可。

第二个问题，即使去掉所有的\u202c，仍然有7个元素是2个符号宽。它们是 281、291、293、302、309、310、311。此问题的解决方案：必须将它们替换为单个符号版本。

比如索引293的元素是\u05da\u05bc，可以用\ufb3a代替。参见 https://codepoints.net/U+FB3A

我相信你可以处理剩下的 6 个符号。

Answer 2

正如@Rei 在他的回答中指出的那样，您当前的符号数组存在问题。修剪符号后，我注意到超过一个字符的七 (7) 个值有一个标准字符和三个 point 字符之一：

希伯来语点达格什或 MAPIQ (ּ)
希伯来点新点 (ׁ)
希伯来点 SIN 点 (ׂ)

我编写了一些代码，将希伯来字符转换为它们的十进制数字 HTML 编码值。如果遇到 point 值之一，它将与数组中的下一个字符组合以匹配您的符号之一。以下代码对我来说效果很好：

<?php 

function _uniord($c) {
    if (ord($c{0}) >=0 && ord($c{0}) <= 127)
        return ord($c{0});
    if (ord($c{0}) >= 192 && ord($c{0}) <= 223)
        return (ord($c{0})-192)*64 + (ord($c{1})-128);
    if (ord($c{0}) >= 224 && ord($c{0}) <= 239)
        return (ord($c{0})-224)*4096 + (ord($c{1})-128)*64 + (ord($c{2})-128);
    if (ord($c{0}) >= 240 && ord($c{0}) <= 247)
        return (ord($c{0})-240)*262144 + (ord($c{1})-128)*4096 + (ord($c{2})-128)*64 + (ord($c{3})-128);
    if (ord($c{0}) >= 248 && ord($c{0}) <= 251)
        return (ord($c{0})-248)*16777216 + (ord($c{1})-128)*262144 + (ord($c{2})-128)*4096 + (ord($c{3})-128)*64 + (ord($c{4})-128);
    if (ord($c{0}) >= 252 && ord($c{0}) <= 253)
        return (ord($c{0})-252)*1073741824 + (ord($c{1})-128)*16777216 + (ord($c{2})-128)*262144 + (ord($c{3})-128)*4096 + (ord($c{4})-128)*64 + (ord($c{5})-128);
    if (ord($c{0}) >= 254 && ord($c{0}) <= 255)    //  error
        return FALSE;
    return 0;
}

function mb_str_split($string) {
    $strlen = mb_strlen($string);
    while ($strlen) {
        $array[] = mb_substr($string,-1,1,"UTF-8");
        $string = mb_substr($string,0,$strlen-1,"UTF-8");
        $strlen = mb_strlen($string);
    }
    return $array;
}

$hebrewText = $_POST['text'] //"מילה" used in example;

$text = mb_str_split($hebrewText); //splitting text into symbols

$word = [];

$lookupChrs = array(
    '1488'=>280,
    '14681489'=>281,
    '1489'=>282,
    '1490'=>283,
    '1491'=>284,
    '1492'=>285,
    '1493'=>286,
    '1494'=>287,
    '1495'=>288,
    '1496'=>289,
    '1497'=>290,
    '14681499'=>291,
    '1499'=>292,
    '14681498'=>293,
    '1498'=>294,
    '1500'=>295,
    '1502'=>296,
    '1501'=>297,
    '1504'=>298,
    '1503'=>299,
    '1505'=>300,
    '1506'=>301,
    '14681508'=>302,
    '1508'=>303,
    '1507'=>304,
    '1510'=>305,
    '1509'=>306,
    '1511'=>307,
    '1512'=>308,
    '14731513'=>309,
    '14741513'=>310,
    '14681514'=>311,
    '1514'=>312
    );

foreach($text as $t){
    $lookupChr = _uniord(array_shift($text));
    $lookupChr = (string)$lookupChr;
    //handle accents (two charactrers instead of one)
    if($lookupChr == "1468" || $lookupChr == "1473" || $lookupChr == "1474"){
        //accent detected, combine with next character
        //echo "\"" . $lookupChr . "\":\"" . _uniord(array_shift($text)) . "\"";
        $lookupChr .= _uniord(array_shift($text));
    }
    if($lookupChr != "0"){
        $word[] = $lookupChrs[$lookupChr];
    }
}

print_r($word);

//OUTPUT:
//    Array
//    (
//        [0] => 285
//        [1] => 295
//        [2] => 290
//        [3] => 296
//    )

PHP：希伯来字母比较

PHP: Hebrew letters comparison

php

hebrew