PHP Multi Byte str_replace?

Question

che sto cercando di fare la sostituzione carattere accentato in PHP, ma ottenere risultati funky, la mia ipotesi che sono perché sto utilizzando uno stringa UTF-8 e str_replace non riesco a gestire correttamente le stringhe multi-byte ..

$accents_search  = array('á','à','â','ã','ª','ä','å','Á','À','Â','Ã','Ä','é','è', 
'ê','ë','É','È','Ê','Ë','í','ì','î','ï','Í','Ì','Î','Ï','œ','ò','ó','ô','õ','º','ø', 
'Ø','Ó','Ò','Ô','Õ','ú','ù','û','Ú','Ù','Û','ç','Ç','Ñ','ñ'); 

$accents_replace = array('a','a','a','a','a','a','a','A','A','A','A','A','e','e', 
'e','e','E','E','E','E','i','i','i','i','I','I','I','I','oe','o','o','o','o','o','o', 
'O','O','O','O','O','u','u','u','U','U','U','c','C','N','n'); 

$str = str_replace($accents_search, $accents_replace, $str); 

risultati che ottengo:

Ørjan Nilsen -> �orjan Nilsen 

Risultato previsto:

Ørjan Nilsen -> Orjan Nilsen 

Edit: ho ottenuto il mio gestore di carattere interno impostato su UTF-8 (secondo mb_interna l_encoding()), anche il valore di $ str è UTF-8, quindi da quello che posso dire, tutte le stringhe coinvolte sono UTF-8. Str_replace() rileva i set di caratteri e li usa correttamente?

Answer 1

Sembra che la stringa non sia stata sostituita perché la codifica dell'input e la mancata corrispondenza della codifica del file.

Answer 2

Prova questa definizione di funzione:

if (!function_exists('mb_str_replace')) { 
    function mb_str_replace($search, $replace, $subject) { 
     if (is_array($subject)) { 
      foreach ($subject as $key => $val) { 
       $subject[$key] = mb_str_replace((string)$search, $replace, $subject[$key]); 
      } 
      return $subject; 
     } 
     $pattern = '/(?:'.implode('|', array_map(create_function('$match', 'return preg_quote($match[0], "/");'), (array)$search)).')/u'; 
     if (is_array($search)) { 
      if (is_array($replace)) { 
       $len = min(count($search), count($replace)); 
       $table = array_combine(array_slice($search, 0, $len), array_slice($replace, 0, $len)); 
       $f = create_function('$match', '$table = '.var_export($table, true).'; return array_key_exists($match[0], $table) ? $table[$match[0]] : $match[0];'); 
       $subject = preg_replace_callback($pattern, $f, $subject); 
       return $subject; 
      } 
     } 
     $subject = preg_replace($pattern, (string)$replace, $subject); 
     return $subject; 
    } 
} 

Answer 3

E 'possibile rimuovere i segni diacritici che utilizzano Unicode normalization form D (NFD) e proprietà dei caratteri Unicode.

NFD converte qualcosa come l'umlaut "ü" da "LATIN SMALL LETTER U WITH DIAERESIS" (che è una lettera) a "LATIN SMALL LETTER U" (lettera) e "COMBINING DIAERESIS" (non una lettera).

header('Content-Type: text/plain; charset=utf-8'); 

$test = implode('', array('á','à','â','ã','ª','ä','å','Á','À','Â','Ã','Ä','é','è', 
'ê','ë','É','È','Ê','Ë','í','ì','î','ï','Í','Ì','Î','Ï','œ','ò','ó','ô','õ','º','ø', 
'Ø','Ó','Ò','Ô','Õ','ú','ù','û','Ú','Ù','Û','ç','Ç','Ñ','ñ')); 

$test = Normalizer::normalize($test, Normalizer::FORM_D); 

// Remove everything that's not a "letter" or a space (e.g. diacritics) 
// (see http://de2.php.net/manual/en/regexp.reference.unicode.php) 
$pattern = '/[^\pL ]/u'; 

echo preg_replace($pattern, '', $test); 

uscita:

aaaaªaaAAAAAeeeeEEEEiiiiIIIIœooooºøØOOOOuuuUUUcCNn 

classe Il normalizzatore fa parte della PECL intl package. (L'algoritmo in sé non è molto complicato ma ha bisogno di caricare un sacco di mappature dei caratteri afaik. Ho scritto un PHP implementation qualche tempo fa.)

(Sto aggiungendo questo ritardo di due mesi perché penso che sia una bella tecnica che è non noto abbastanza ampiamente.)

Answer 4

In base alla documentazione php str_replace la funzione è a prova di binario, il che significa che può gestire il testo codificato UTF-8 senza alcuna perdita di dati.