如何找出 UTF 8 中标点符号的形式？

Question

我有一组字符，例如

.、!、?、;、 （空格）

和一个字符串，该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找出字符串是否具有上述字符集之一？

例如：

This is a string in chinese.

翻译为

这是一个在中国的字符串。

第一个字符串中的点字符看起来不同。这是一个完全不同的字符，还是 utf 8 中的点对应字符？

或者也许某个地方有一个包含 Unicode 标点字符代码的列表？

Answer 1

在 Unicode 中，有字符属性^{PHP 文档}，例如符号、字母等。您可以使用 preg_match^Docs 和 u 修饰符。

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

但是，您的字符串必须是 UTF-8 才能执行此操作。

您可以自己测试一下，我创建了 一个小脚本，通过 <代码>preg_match：

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 -从 utf8 字符串中删除浏览器中无法显示的所有字符的快速方法。

Answer 2

是的，。 (U+3002, IDEOGRAPHIC 句号) 与 完全不同。 (U+002E, 句号）。如果您想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 以及 $match< /code> 将包含匹配的字符。因此，$str 中的字符串正确编码为 UTF-8 非常重要。

如果要匹配任何 Unicode 标点符号，可以使用模式 \p{P} 来描述 Unicode 字符属性：

/\p{P}/u

Answer 3

你不是在尝试音译，你是在尝试翻译！

UTF-8 不是一种语言，是一种 unicode 字符集，支持（几乎）世界上已知的所有语言

您想要做的事情是这样的：

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");

这不适用于您的中文示例