PHP preg_replace：以不区分大小写/变音符号的方式突出显示与键匹配的整个单词答案

【问题标题】：PHP preg_replace: highlight whole words matching a key in case/diacritic-insensitive wayPHP preg_replace：以不区分大小写/变音符号的方式突出显示与键匹配的整个单词
【发布时间】：2018-08-20 13:29:36
【问题描述】：

我需要在 UTF-8 $text 中突出显示与 $key 匹配的单个单词或短语（整个单词，而不是子字符串）。这种匹配必须既不区分大小写又不区分变音符号。突出显示的文本必须保持原样（包括大写/小写字符和变音符号，如果存在）。

以下表达式实现了一半的目标：

$text = preg_replace( "/\b($key)\b/i", '<div class="highlight">$1</div>', $text );

它不区分大小写并匹配整个单词，但不会突出显示与 $key 匹配的 $text 部分，如果这些部分包含 $key 中不存在的变音符号。例如。我想通过 $key = "bjorn kallstrom" 在 $text 中突出显示“Björn Källström”。

欢迎任何绝妙的想法（使用 preg_replace 或其他 PHP 函数）。

【问题讨论】：

带有类的字体标签，有点蒸汽朋克。
@Casimir et Hippolyte：好的，我用“div”替换了“font”标签；-)
可能重复：stackoverflow.com/questions/3426265/…
@Jason Grim：不，我不认为这是重复的：您链接的问题根本不考虑变音符号。

标签： php regex preg-replace

【解决方案1】：

一个想法是将键转换为模式，用字符类替换所有有问题的字符：

$corr = ['a' => '[aàáâãäå]', 'o' => '[oòóôõö]',/* etc. */];

$key = 'bjorn kallstrom';

$pattern = '/\b' . strtr($key, $corr) . '\b/iu';

$text = preg_replace($pattern, '<em class="highlight">$0</em>', $text);

请注意，由于您处理的是 unicode 字符，因此您需要使用 u 修饰符来避免意外行为，尤其是单词边界。

如果您的键已经包含重音字符，请先将它们转换为 ascii：

$key = 'björn kallstrom';
$key = iconv('UTF-8', 'ASCII//TRANSLIT', $key);

（如果您获得? 代替字母，这意味着您的语言环境设置为 C 或 POSIX。在这种情况下，将它们更改为 en_US.UTF-8 或系统中可用的另一个。见setlocale)

还可以看看非常有用的 intl 类：Normalizer 和 Transliterator。

注意：如果您有多个要突出显示的键，请一口气完成所有操作。按长度对数组进行排序（最长的第一个使用mb_strlen），使用array_map 将键音译为ascii，并使用| 对数组进行内爆。目标是获得模式：'/\b(?:' . implode('|', $keys) . ')\b/iu' 和 bj[oòóôõö]rn k[aàáâãäå]llstr[oòóôõö]m 在 bj[oòóôõö]rn 之前（例如）。

【讨论】：

【解决方案2】：

仅通过函数调用是不可能的，您必须实现它。

从 HTML 中提取文本 ($document->documentElement->textContent)
将文本拆分为单词并对其进行规范化 - 保留原件 ($words[$normalized][] = $original) - 基本上这会为您提供每个规范化单词的变体列表。
拆分和规范化搜索查询
从搜索查询中编译 RegEx 模式以匹配 ((word1_v1|word1_v2)\s*(word2_v1|word2_v2))u 并验证 (^(word1_v1|word1_v2)\s*(word2_v1|word2_v2)$)u
遍历 HTML 文档中的文本节点 $xpath->evaluate('//text()')
使用preg_split()通过搜索字符串分隔文本，捕获分隔符（搜索匹配）
如果不是搜索字符串匹配，则遍历该列表并将它们添加为文本节点，否则添加 HTML 结构以突出显示
删除原始文本节点。

【讨论】：