正则表达式匹配带有和不带有特殊/重音字符的字符串？

Question

是否有正则表达式可以匹配带有和不带特殊字符的特定字符串？可以这么说，对特殊字符不敏感。

就像céra 将匹配cera，反之亦然。

有什么想法吗？

编辑：我想匹配带有和不带有特殊/重音字符的特定字符串。不仅仅是任何字符串/字符。

测试示例：

$clientName   = 'céra';
$this->search = 'cera';

$compareClientName = strtolower(iconv('utf-8', 'ascii//TRANSLIT', $clientName));
$this->search      = strtolower($this->search);

if (strpos($compareClientName, $this->search) !== false)
{
    $clientName = preg_replace('/(.*?)('.$this->search.')(.*?)/iu', '$1<span class="highlight">$2</span>$3', $clientName);
}

输出：<span class="highlight">céra</span>

如您所见，我想突出显示特定的搜索字符串。但是，我仍然想显示匹配字符串的原始（重音）字符。

我想我必须以某种方式将它与 Michael Sivolobov's answer 结合起来。

我想我必须使用单独的 preg_match() 和 preg_replace()，对吧？

Answer 1

您可以使用\p{L} 模式匹配任何字母。

Source

您必须在正则表达式后使用u 修饰符才能启用 unicode 模式。

例如：/\p{L}+/u

编辑：

试试这样的。它应该用重音符号替换包含重音字母（单字符和 unicode 双字符）和非重音字母的搜索模式的每个字母。然后，您可以使用更正后的搜索模式突出显示您的文本。

function mbStringToArray($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;
}

// I had to use this ugly function to remove accents as iconv didn't work properly on my test server.
function stripAccents($stripAccents){
    return utf8_encode(strtr(utf8_decode($stripAccents),utf8_decode('àáâãäçèéêëìíîïñòóôõöùúûüýÿÀÁÂÃÄÇÈÉÊËÌÍÎÏÑÒÓÔÕÖÙÚÛÜÝ'),'aaaaaceeeeiiiinooooouuuuyyAAAAACEEEEIIIINOOOOOUUUUY'));
}

$clientName = 'céra';

$clientNameNoAccent = stripAccents($clientName);

$clientNameArray = mbStringToArray($clientName);

foreach($clientNameArray as $pos => &$char)
{
    $charNA =$clientNameNoAccent[$pos];
    if($char != $charNA)
    {
        $char = "(?:$char|$charNA|$charNA\p{M})";
    }
}

$clientSearchPattern = implode($clientNameArray); // c(?:é|e|e\p{M})ra

$text = 'the client name is Céra but it could be Cera or céra too.';

$search = preg_replace('/(.*?)(' . $clientSearchPattern . ')(.*?)/iu', '$1<span class="highlight">$2</span>$3', $text);

echo $search; // the client name is <span class="highlight">Céra</span> but it could be <span class="highlight">Cera</span> or <span class="highlight">céra</span> too.

Answer 2

如果您想知道某个字母上是否有重音符号或其他标记，您可以通过匹配模式\p{M} 来检查它

更新

您需要将模式中的所有重音字母转换为一组替代项：

例如céra -> c(?:é|e|e\p{M})ra

为什么我加了e\p{M}？因为您的字母 é 可以是 Unicode 中的一个字符，并且可以是两个字符的组合（e 和重音符号）。 e\p{M} 匹配带有重音符号的 e（两个单独的 Unicode 字符）

当您转换模式以匹配所有字符时，您可以在 preg_match 中使用它

Answer 3

正如您在其中一个 cmets 中标记的那样，您不需要正则表达式，因为目标是查找特定的字符串。为什么不使用explode？像这样：

$clientName   = 'céra';
$this->search = 'cera';

$compareClientName = strtolower(iconv('utf-8', 'ascii//TRANSLIT', $clientName));
$this->search      = strtolower($this->search);

$pieces = explode($compareClientName, $this->search);

if (count($pieces) > 1)
{
    $clientName = implode('<span class="highlight">'.$clientName.'</span>', $pieces);
}

编辑：

如果您的$search 变量也可能包含特殊字符，为什么不使用translit 它，而将mb_strpos 与$offset 一起使用？像这样：

$offset = 0;
$highlighted = '';
$len = mb_strlen($compareClientName, 'UTF-8');
while(($pos = mb_strpos($this->search, $compareClientName, $offset, 'UTF-8')) !== -1) {
    $highlighted .= mb_substr($this->search, $offset, $pos-$offset, 'UTF-8').
         '<span class="highlight">'.
         mb_substr($this->search, $pos, $len, 'UTF-8').'</span>';
    $offset = $pos + $len;
}
$highlighted .= mb_substr($this->search, $offset, 'UTF-8');

更新 2：

重要的是使用mb_ 函数而不是简单的strlen 等。这是因为重音字符使用两个或更多字节存储；还要始终确保使用正确的编码，例如：

echo strlen('é');
> 2

echo mb_strlen('é');
> 2

echo mb_internal_encoding();
> ISO-8859-1

echo mb_strlen('é', 'UTF-8');
> 1

mb_internal_encoding('UTF-8');
echo mb_strlen('é');
> 1

Answer 4

如您所见，here、POSIX equivalence class 用于匹配具有相同排序顺序的字符，可以通过以下正则表达式完成：

[=a=]

这将匹配 á 和 ä 以及 a，具体取决于您的语言环境。