删除/转换PHP中的法语口音

Question

从数据库中提取信息或在页面上显示字符串时，如何用拉丁字母（如“ e”）替换诸如“é”等法语的重音符号？更新：链接到“ UTF-8贯穿所有”问题的主持人能否将此问题标记为重复，请解释一下该主题如何回答“如何将法语重音字符转换为英语等效字符”的问题？该问题说明了如何在数据库中正确存储法语字符，然后显示它们，这很好，但没有说明如何使用法语重音符号（如“é”或“à”）转换为“ e”和“ a” 。您可能希望例如转换图像文件名，因为Safari无法显示带有法语字符的图像，将其从用户名中删除或出于其他多种原因。

Answer 1

这将适用于从5.2及更高版本开始的PHP版本。使用Wordpress内置函数删除重音（转换为英语等效项，例如从“é”到“ e”），并且不需要特殊的库或扩展名。

经过数小时的法语口音故障排除，这是唯一在所有经过测试的情况下都有效的方法

由以下3个功能组成，基本用法是：

$ str = detect_remove_french（$ str）;

# if the word has a french character return the non french one

function detect_remove_french($str) {

    # Tentative no french character version

    $no_french_char = remove_accents($str);

    # Compare the above to the original str, if they're different it means that indeed the above contained a french

    # character

    if(strcmp($no_french_char,$str) != 0) {

        return $no_french_char; # <- means there WAS a french character detected, so lets return this french char free version

    }

    # means the french and tentative no-french are exactly the same, so there was no french characters to begin with

    # return FALSE

    else {

        return false;

    }

}

function remove_accents($string) {

    if ( !preg_match('/[\x80-\xff]/', $string) )

        return $string;

    if (seems_utf8($string)) {

        $chars = array(

            // Decompositions for Latin-1 Supplement

            chr(194).chr(170) => 'a', chr(194).chr(186) => 'o',

            chr(195).chr(128) => 'A', chr(195).chr(129) => 'A',

            chr(195).chr(130) => 'A', chr(195).chr(131) => 'A',

            chr(195).chr(132) => 'A', chr(195).chr(133) => 'A',

            chr(195).chr(134) => 'AE',chr(195).chr(135) => 'C',

            chr(195).chr(136) => 'E', chr(195).chr(137) => 'E',

            chr(195).chr(138) => 'E', chr(195).chr(139) => 'E',

            chr(195).chr(140) => 'I', chr(195).chr(141) => 'I',

            chr(195).chr(142) => 'I', chr(195).chr(143) => 'I',

            chr(195).chr(144) => 'D', chr(195).chr(145) => 'N',

            chr(195).chr(146) => 'O', chr(195).chr(147) => 'O',

            chr(195).chr(148) => 'O', chr(195).chr(149) => 'O',

            chr(195).chr(150) => 'O', chr(195).chr(153) => 'U',

            chr(195).chr(154) => 'U', chr(195).chr(155) => 'U',

            chr(195).chr(156) => 'U', chr(195).chr(157) => 'Y',

            chr(195).chr(158) => 'TH',chr(195).chr(159) => 's',

            chr(195).chr(160) => 'a', chr(195).chr(161) => 'a',

            chr(195).chr(162) => 'a', chr(195).chr(163) => 'a',

            chr(195).chr(164) => 'a', chr(195).chr(165) => 'a',

            chr(195).chr(166) => 'ae',chr(195).chr(167) => 'c',

            chr(195).chr(168) => 'e', chr(195).chr(169) => 'e',

            chr(195).chr(170) => 'e', chr(195).chr(171) => 'e',

            chr(195).chr(172) => 'i', chr(195).chr(173) => 'i',

            chr(195).chr(174) => 'i', chr(195).chr(175) => 'i',

            chr(195).chr(176) => 'd', chr(195).chr(177) => 'n',

            chr(195).chr(178) => 'o', chr(195).chr(179) => 'o',

            chr(195).chr(180) => 'o', chr(195).chr(181) => 'o',

            chr(195).chr(182) => 'o', chr(195).chr(184) => 'o',

            chr(195).chr(185) => 'u', chr(195).chr(186) => 'u',

            chr(195).chr(187) => 'u', chr(195).chr(188) => 'u',

            chr(195).chr(189) => 'y', chr(195).chr(190) => 'th',

            chr(195).chr(191) => 'y', chr(195).chr(152) => 'O',

            // Decompositions for Latin Extended-A

            chr(196).chr(128) => 'A', chr(196).chr(129) => 'a',

            chr(196).chr(130) => 'A', chr(196).chr(131) => 'a',

            chr(196).chr(132) => 'A', chr(196).chr(133) => 'a',

            chr(196).chr(134) => 'C', chr(196).chr(135) => 'c',

            chr(196).chr(136) => 'C', chr(196).chr(137) => 'c',

            chr(196).chr(138) => 'C', chr(196).chr(139) => 'c',

            chr(196).chr(140) => 'C', chr(196).chr(141) => 'c',

            chr(196).chr(142) => 'D', chr(196).chr(143) => 'd',

            chr(196).chr(144) => 'D', chr(196).chr(145) => 'd',

            chr(196).chr(146) => 'E', chr(196).chr(147) => 'e',

            chr(196).chr(148) => 'E', chr(196).chr(149) => 'e',

            chr(196).chr(150) => 'E', chr(196).chr(151) => 'e',

            chr(196).chr(152) => 'E', chr(196).chr(153) => 'e',

            chr(196).chr(154) => 'E', chr(196).chr(155) => 'e',

            chr(196).chr(156) => 'G', chr(196).chr(157) => 'g',

            chr(196).chr(158) => 'G', chr(196).chr(159) => 'g',

            chr(196).chr(160) => 'G', chr(196).chr(161) => 'g',

            chr(196).chr(162) => 'G', chr(196).chr(163) => 'g',

            chr(196).chr(164) => 'H', chr(196).chr(165) => 'h',

            chr(196).chr(166) => 'H', chr(196).chr(167) => 'h',

            chr(196).chr(168) => 'I', chr(196).chr(169) => 'i',

            chr(196).chr(170) => 'I', chr(196).chr(171) => 'i',

            chr(196).chr(172) => 'I', chr(196).chr(173) => 'i',

            chr(196).chr(174) => 'I', chr(196).chr(175) => 'i',

            chr(196).chr(176) => 'I', chr(196).chr(177) => 'i',

            chr(196).chr(178) => 'IJ',chr(196).chr(179) => 'ij',

            chr(196).chr(180) => 'J', chr(196).chr(181) => 'j',

            chr(196).chr(182) => 'K', chr(196).chr(183) => 'k',

            chr(196).chr(184) => 'k', chr(196).chr(185) => 'L',

            chr(196).chr(186) => 'l', chr(196).chr(187) => 'L',

            chr(196).chr(188) => 'l', chr(196).chr(189) => 'L',

            chr(196).chr(190) => 'l', chr(196).chr(191) => 'L',

            chr(197).chr(128) => 'l', chr(197).chr(129) => 'L',

            chr(197).chr(130) => 'l', chr(197).chr(131) => 'N',

            chr(197).chr(132) => 'n', chr(197).chr(133) => 'N',

            chr(197).chr(134) => 'n', chr(197).chr(135) => 'N',

            chr(197).chr(136) => 'n', chr(197).chr(137) => 'N',

            chr(197).chr(138) => 'n', chr(197).chr(139) => 'N',

            chr(197).chr(140) => 'O', chr(197).chr(141) => 'o',

            chr(197).chr(142) => 'O', chr(197).chr(143) => 'o',

            chr(197).chr(144) => 'O', chr(197).chr(145) => 'o',

            chr(197).chr(146) => 'OE',chr(197).chr(147) => 'oe',

            chr(197).chr(148) => 'R',chr(197).chr(149) => 'r',

            chr(197).chr(150) => 'R',chr(197).chr(151) => 'r',

            chr(197).chr(152) => 'R',chr(197).chr(153) => 'r',

            chr(197).chr(154) => 'S',chr(197).chr(155) => 's',

            chr(197).chr(156) => 'S',chr(197).chr(157) => 's',

            chr(197).chr(158) => 'S',chr(197).chr(159) => 's',

            chr(197).chr(160) => 'S', chr(197).chr(161) => 's',

            chr(197).chr(162) => 'T', chr(197).chr(163) => 't',

            chr(197).chr(164) => 'T', chr(197).chr(165) => 't',

            chr(197).chr(166) => 'T', chr(197).chr(167) => 't',

            chr(197).chr(168) => 'U', chr(197).chr(169) => 'u',

            chr(197).chr(170) => 'U', chr(197).chr(171) => 'u',

            chr(197).chr(172) => 'U', chr(197).chr(173) => 'u',

            chr(197).chr(174) => 'U', chr(197).chr(175) => 'u',

            chr(197).chr(176) => 'U', chr(197).chr(177) => 'u',

            chr(197).chr(178) => 'U', chr(197).chr(179) => 'u',

            chr(197).chr(180) => 'W', chr(197).chr(181) => 'w',

            chr(197).chr(182) => 'Y', chr(197).chr(183) => 'y',

            chr(197).chr(184) => 'Y', chr(197).chr(185) => 'Z',

            chr(197).chr(186) => 'z', chr(197).chr(187) => 'Z',

            chr(197).chr(188) => 'z', chr(197).chr(189) => 'Z',

            chr(197).chr(190) => 'z', chr(197).chr(191) => 's',

            // Decompositions for Latin Extended-B

            chr(200).chr(152) => 'S', chr(200).chr(153) => 's',

            chr(200).chr(154) => 'T', chr(200).chr(155) => 't',

            // Euro Sign

            chr(226).chr(130).chr(172) => 'E',

            // GBP (Pound) Sign

            chr(194).chr(163) => '',

            // Vowels with diacritic (Vietnamese)

            // unmarked

            chr(198).chr(160) => 'O', chr(198).chr(161) => 'o',

            chr(198).chr(175) => 'U', chr(198).chr(176) => 'u',

            // grave accent

            chr(225).chr(186).chr(166) => 'A', chr(225).chr(186).chr(167) => 'a',

            chr(225).chr(186).chr(176) => 'A', chr(225).chr(186).chr(177) => 'a',

            chr(225).chr(187).chr(128) => 'E', chr(225).chr(187).chr(129) => 'e',

            chr(225).chr(187).chr(146) => 'O', chr(225).chr(187).chr(147) => 'o',

            chr(225).chr(187).chr(156) => 'O', chr(225).chr(187).chr(157) => 'o',

            chr(225).chr(187).chr(170) => 'U', chr(225).chr(187).chr(171) => 'u',

            chr(225).chr(187).chr(178) => 'Y', chr(225).chr(187).chr(179) => 'y',

            // hook

            chr(225).chr(186).chr(162) => 'A', chr(225).chr(186).chr(163) => 'a',

            chr(225).chr(186).chr(168) => 'A', chr(225).chr(186).chr(169) => 'a',

            chr(225).chr(186).chr(178) => 'A', chr(225).chr(186).chr(179) => 'a',

            chr(225).chr(186).chr(186) => 'E', chr(225).chr(186).chr(187) => 'e',

            chr(225).chr(187).chr(130) => 'E', chr(225).chr(187).chr(131) => 'e',

            chr(225).chr(187).chr(136) => 'I', chr(225).chr(187).chr(137) => 'i',

            chr(225).chr(187).chr(142) => 'O', chr(225).chr(187).chr(143) => 'o',

            chr(225).chr(187).chr(148) => 'O', chr(225).chr(187).chr(149) => 'o',

            chr(225).chr(187).chr(158) => 'O', chr(225).chr(187).chr(159) => 'o',

            chr(225).chr(187).chr(166) => 'U', chr(225).chr(187).chr(167) => 'u',

            chr(225).chr(187).chr(172) => 'U', chr(225).chr(187).chr(173) => 'u',

            chr(225).chr(187).chr(182) => 'Y', chr(225).chr(187).chr(183) => 'y',

            // tilde

            chr(225).chr(186).chr(170) => 'A', chr(225).chr(186).chr(171) => 'a',

            chr(225).chr(186).chr(180) => 'A', chr(225).chr(186).chr(181) => 'a',

            chr(225).chr(186).chr(188) => 'E', chr(225).chr(186).chr(189) => 'e',

            chr(225).chr(187).chr(132) => 'E', chr(225).chr(187).chr(133) => 'e',

            chr(225).chr(187).chr(150) => 'O', chr(225).chr(187).chr(151) => 'o',

            chr(225).chr(187).chr(160) => 'O', chr(225).chr(187).chr(161) => 'o',

            chr(225).chr(187).chr(174) => 'U', chr(225).chr(187).chr(175) => 'u',

            chr(225).chr(187).chr(184) => 'Y', chr(225).chr(187).chr(185) => 'y',

            // acute accent

            chr(225).chr(186).chr(164) => 'A', chr(225).chr(186).chr(165) => 'a',

            chr(225).chr(186).chr(174) => 'A', chr(225).chr(186).chr(175) => 'a',

            chr(225).chr(186).chr(190) => 'E', chr(225).chr(186).chr(191) => 'e',

            chr(225).chr(187).chr(144) => 'O', chr(225).chr(187).chr(145) => 'o',

            chr(225).chr(187).chr(154) => 'O', chr(225).chr(187).chr(155) => 'o',

            chr(225).chr(187).chr(168) => 'U', chr(225).chr(187).chr(169) => 'u',

            // dot below

            chr(225).chr(186).chr(160) => 'A', chr(225).chr(186).chr(161) => 'a',

            chr(225).chr(186).chr(172) => 'A', chr(225).chr(186).chr(173) => 'a',

            chr(225).chr(186).chr(182) => 'A', chr(225).chr(186).chr(183) => 'a',

            chr(225).chr(186).chr(184) => 'E', chr(225).chr(186).chr(185) => 'e',

            chr(225).chr(187).chr(134) => 'E', chr(225).chr(187).chr(135) => 'e',

            chr(225).chr(187).chr(138) => 'I', chr(225).chr(187).chr(139) => 'i',

            chr(225).chr(187).chr(140) => 'O', chr(225).chr(187).chr(141) => 'o',

            chr(225).chr(187).chr(152) => 'O', chr(225).chr(187).chr(153) => 'o',

            chr(225).chr(187).chr(162) => 'O', chr(225).chr(187).chr(163) => 'o',

            chr(225).chr(187).chr(164) => 'U', chr(225).chr(187).chr(165) => 'u',

            chr(225).chr(187).chr(176) => 'U', chr(225).chr(187).chr(177) => 'u',

            chr(225).chr(187).chr(180) => 'Y', chr(225).chr(187).chr(181) => 'y',

            // Vowels with diacritic (Chinese, Hanyu Pinyin)

            chr(201).chr(145) => 'a',

            // macron

            chr(199).chr(149) => 'U', chr(199).chr(150) => 'u',

            // acute accent

            chr(199).chr(151) => 'U', chr(199).chr(152) => 'u',

            // caron

            chr(199).chr(141) => 'A', chr(199).chr(142) => 'a',

            chr(199).chr(143) => 'I', chr(199).chr(144) => 'i',

            chr(199).chr(145) => 'O', chr(199).chr(146) => 'o',

            chr(199).chr(147) => 'U', chr(199).chr(148) => 'u',

            chr(199).chr(153) => 'U', chr(199).chr(154) => 'u',

            // grave accent

            chr(199).chr(155) => 'U', chr(199).chr(156) => 'u',

        );

        // Used for locale-specific rules

        #$locale = get_locale();

        $locale = 'fr_FR';

        if ( 'de_DE' == $locale ) {

            $chars[ chr(195).chr(132) ] = 'Ae';

            $chars[ chr(195).chr(164) ] = 'ae';

            $chars[ chr(195).chr(150) ] = 'Oe';

            $chars[ chr(195).chr(182) ] = 'oe';

            $chars[ chr(195).chr(156) ] = 'Ue';

            $chars[ chr(195).chr(188) ] = 'ue';

            $chars[ chr(195).chr(159) ] = 'ss';

        } elseif ( 'da_DK' === $locale ) {

            $chars[ chr(195).chr(134) ] = 'Ae';

            $chars[ chr(195).chr(166) ] = 'ae';

            $chars[ chr(195).chr(152) ] = 'Oe';

            $chars[ chr(195).chr(184) ] = 'oe';

            $chars[ chr(195).chr(133) ] = 'Aa';

            $chars[ chr(195).chr(165) ] = 'aa';

        }

        $string = strtr($string, $chars);

    } else {

        // Assume ISO-8859-1 if not UTF-8

        $chars['in'] = chr(128).chr(131).chr(138).chr(142).chr(154).chr(158)

            .chr(159).chr(162).chr(165).chr(181).chr(192).chr(193).chr(194)

            .chr(195).chr(196).chr(197).chr(199).chr(200).chr(201).chr(202)

            .chr(203).chr(204).chr(205).chr(206).chr(207).chr(209).chr(210)

            .chr(211).chr(212).chr(213).chr(214).chr(216).chr(217).chr(218)

            .chr(219).chr(220).chr(221).chr(224).chr(225).chr(226).chr(227)

            .chr(228).chr(229).chr(231).chr(232).chr(233).chr(234).chr(235)

            .chr(236).chr(237).chr(238).chr(239).chr(241).chr(242).chr(243)

            .chr(244).chr(245).chr(246).chr(248).chr(249).chr(250).chr(251)

            .chr(252).chr(253).chr(255);

        $chars['out'] = "EfSZszYcYuAAAAAACEEEEIIIINOOOOOOUUUUYaaaaaaceeeeiiiinoooooouuuuyy";

        $string = strtr($string, $chars['in'], $chars['out']);

        $double_chars['in'] = array(chr(140), chr(156), chr(198), chr(208), chr(222), chr(223), chr(230), chr(240), chr(254));

        $double_chars['out'] = array('OE', 'oe', 'AE', 'DH', 'TH', 'ss', 'ae', 'dh', 'th');

        $string = str_replace($double_chars['in'], $double_chars['out'], $string);

    }

    return $string;

}

function seems_utf8($str) {

    $length = strlen($str);

    for ($i=0; $i < $length; $i++) {

        $c = ord($str[$i]);

        if ($c < 0x80) $n = 0; # 0bbbbbbb

        elseif (($c & 0xE0) == 0xC0) $n=1; # 110bbbbb

        elseif (($c & 0xF0) == 0xE0) $n=2; # 1110bbbb

        elseif (($c & 0xF8) == 0xF0) $n=3; # 11110bbb

        elseif (($c & 0xFC) == 0xF8) $n=4; # 111110bb

        elseif (($c & 0xFE) == 0xFC) $n=5; # 1111110b

        else return false; # Does not match any model

        for ($j=0; $j<$n; $j++) { # n bytes matching 10bbbbbb follow ?

            if ((++$i == $length) || ((ord($str[$i]) & 0xC0) != 0x80))

                return false;

        }

    }

    return true;

}

Answer 2

试试这个：

$original_string = 'test en français : éèêÉ';

$accents = array('Š'=>'S', 'š'=>'s', 'Ž'=>'Z', 'ž'=>'z', 'À'=>'A', 'Á'=>'A','Â'=>'A', 'Ã'=>'A', 'Ä'=>'A', 'Å'=>'A', 'Æ'=>'A', 'Ç'=>'C', 'È'=>'E', 'É'=>'E','Ê'=>'E','Ë'=>'E', 'Ì'=>'I', 'Í'=>'I', 'Î'=>'I', 'Ï'=>'I', 'Ñ'=>'N', 'Ò'=>'O', 'Ó'=>'O', 'Ô'=>'O','Õ'=>'O', 'Ö'=>'O', 'Ø'=>'O', 'Ù'=>'U','Ú'=>'U', 'Û'=>'U', 'Ü'=>'U', 'Ý'=>'Y','Þ'=>'B','ß'=>'Ss', 'à'=>'a', 'á'=>'a', 'â'=>'a', 'ã'=>'a', 'ä'=>'a', 'å'=>'a','æ'=>'a','ç'=>'c','è'=>'e', 'é'=>'e', 'ê'=>'e', 'ë'=>'e', 'ì'=>'i', 'í'=>'i', 'î'=>'i', 'ï'=>'i','ð'=>'o', 'ñ'=>'n', 'ò'=>'o', 'ó'=>'o', 'ô'=>'o', 'õ'=>'o','ö'=>'o', 'ø'=>'o', 'ù'=>'u','ú'=>'u', 'û'=>'u', 'ý'=>'y', 'þ'=>'b', 'ÿ'=>'y','Ğ'=>'G', 'İ'=>'I', 'Ş'=>'S', 'ğ'=>'g', 'ı'=>'i', 'ş'=>'s', 'ü'=>'u','ă'=>'a', 'Ă'=>'A', 'ș'=>'s', 'Ș'=>'S', 'ț'=>'t', 'Ț'=>'T');

$str_without_accents = strtr($original_string, $accents);

echo $str_without_accents;

由于过去200年来法国的口音没有变化，因此对这种硬编码列表的“维护”几乎没有关注。