تعبير منتظم للكشف عن الأرقام المكتوبة ككلمات - إدخال UTF -8

Question

شكرا على الإجابات على:

"تعبير منتظم للكشف عن الأرقام المكتوبة ككلمات":

تعبير منتظم للكشف عن الأرقام المكتوبة ككلمات

لدي الآن هذا العمل ، ومع ذلك لدي نفس المتطلبات ولكن أرقام الكلمات باللغة العربية (أو أي UTF-8 آخر) وليس الإنجليزية ، لذلك:

if (preg_match("/\p{L}\b(?:(?:واحد|اثنان|ثلاثة|أربعة|خمسة|ستة|سبعة|ثمانية|تسعة|صفر|عشرة)\b\s*?){4}/", $str, $matches) > 0) 
   return true;

لا يعمل - لقد غوغل ويبدو أن هناك عدد قليل من المشكلات مع سلسلة Preg_Match و UTF -8 ، لكنني لم أستطع الحصول على أي من الاقتراحات التي تم العثور عليها. أي مساعدة موضع تقدير كبير.

Answer 1

لاحظ أن \b قد لا تعمل كما تتوقع. \b يحدد أ حدود الكلمة, ، ولكن ما يعتبر حرفًا من كلمة من قبل PCRE يعتمد على تحديد موقع البرنامج النصي (ألقِ نظرة على أسفل تسلسل PCRE الهروب الصفحة اليدوية):

شخصية "كلمة" هي أي حرف أو رقم أو شخصية سطحية ، أي أي حرف يمكن أن يكون جزءًا من "Word". يتم التحكم في تعريف الحروف والأرقام بواسطة جداول أحرف PCRE ، وقد تختلف إذا حدثت مطابقة خاصة بالمراقبة. على سبيل المثال ، في لغة "FR" (الفرنسية) ، يتم استخدام بعض رموز الأحرف التي تزيد عن 128 للأحرف المحملة ، ويتم مطابقة هذه w.

قد ترغب أيضًا في القراءة معالجة UTF-8 مع PHP (القسم على PCRE على وجه الخصوص).

بدلاً من ذلك ، يمكنك استخدام أ انظر حولك بالتزامن مع خاصية حرف Unicode لمحاكاة حدود كلمة: (?<=\P{L}). هذا يؤكد أن الشخصية السابقة ليس Unicode "رسالة".

لذلك ستبدو كلها معًا:

/(?<=\P{L})(?:(?:واحد|اثنان|ثلاثة|أربعة|خمسة|ستة|سبعة|ثمانية|تسعة|صفر|عشرة)\s*?){4}/

Answer 2

تحويل كلا النمط و $str ل windows-1256, ، قم بالمطابقة ، ثم تحويلها $matches العناصر مرة أخرى (إذا لزم الأمر) ، هذا هو الحل الذي جئت إليه بعد المعاناة لبعض الوقت.

$pattern="/\p{L}\b(?:(?:واحد|اثنان|ثلاثة|أربعة|خمسة|ستة|سبعة|ثمانية|تسعة|صفر|عشرة)\b\s*?){4}/";
$pattern_windows1265 = iconv('utf-8', 'windows-1256', $pattern);
$str_windows1265 = iconv('utf-8', 'windows-1256', $str);
if (preg_match($pattern_windows1265, $str_windows1265, $matches) > 0) 
   return true;

إليك مثال اختبار للتحقق مما إذا كان تحويل Unicode يسمح بمطابقة الحروف العربية في Preg_Match:

<?php
$pattern="/(واحد|اثنان|ثلاثة|أربعة|خمسة|ستة|سبعة|ثمانية|تسعة|صفر|عشرة)/";
$pattern_windows1265 = iconv('utf-8', 'windows-1256', $pattern);


$test_cases=array(
    'لدي أربعة أولاد',
    'قفز الثعلب فوق الشجرة',
    'عندي خمسة أرانب',
);
foreach ($test_cases as $str) {
    $str_windows1265 = iconv('utf-8', 'windows-1256', $str);

    if (preg_match($pattern_windows1265, $str_windows1265, $matches) > 0) {
        echo $str, '<br />';
    }
}

عند التنفيذ ، سيتم إخراجها:

لدي أربعة أولاد
لدي خمسة أرانب

لقد أزلت بعض النمط للتحقق مما إذا كان الفحص العادي ضد الأعمال العربية ، والذي يبدو أنه يعمل.

Answer 3

يمكنك استخدام معدل النمط u لاستخدام أي لغة مدعومة UTF-8.

if (preg_match("/\p{L}\b(?:(?:واحد|اثنان|ثلاثة|أربعة|خمسة|ستة|سبعة|ثمانية|تسعة|صفر|عشرة)\b\s*?){4}/u", $str, $matches) > 0) 

---

موارد :

• معدلات نمط