经常表达的检测数字写成的话-UTF-8输入

Question

谢谢你的回答：

"经常表达的检测数字写成的话":

经常表达的检测数字写成的话

我现在有这样的工作，但是我也有同样要求，但该数字词在阿拉伯语(或者任何其他UTF-8)，并不是英语，所以：

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;

没工作-我已经google搜索和似乎有相当多的问题preg_match和UTF-8串但我不能让任何建议，找到工作。任何帮助。

Answer 1

请注意，当你想到\b可能无法正常工作。 \b指定一个字边界，但什么被认为是一个单词字符由PCRE取决于什么语言环境的脚本运行（迈出的 PCRE底部的样子转义序列的手册页）：

  

一个“字”的字符是任何字母或数字或下划线字符，也就是，它可以是一个Perl“字”的一部分的任何字符。字母和数字的定义由PCRE字符表控制，如果特定于语言环境的匹配正在发生可能会有所不同。例如，在“FR”（法国）区域，一些字符码大于128用于重音字母，而这些是由匹配\瓦特

您也可能需要阅读处理UTF-8 PHP （特别是关于PCRE部分）。

相反，你可以使用一个与Unicode字符属性到一起环视模拟一个单词边界：(?<=\P{L})。这个断言前一个字符是的不一个unicode “字母”。

所以大家聚在一起会是什么样子：

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

Answer 2

这两个模式，$str转换为windows-1256，做匹配，然后将其转换$matches项背（如果需要的话），这是我的痛苦了一段时间后，来到了解决方案。

$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;

下面是一个试验例，以检查是否Unicode转换是允许阿拉伯字母匹配的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 />';
    }
}

上执行时，它会输出：

لدي أربعة أولاد
لدي خمسة أرانب

我删除一些图案的检查，如果普通检查针对阿拉伯作品，这似乎是工作。

Answer 3

你可以使用的模式的修改 u 使用UTF-8支持的任何语言。

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

---

资源：

• Pattern modifiers