在PHP中将UTF8 IAST编码转换为SLP

Question

我正在尝试编写一个脚本，该脚本将查看字符串是否有特定的对话框标记，并将其转换为不同的音译方案。(两者都是梵语的音译方案)。

这是我的密码。

$first = $_POST["first"];
$second = $_POST['second'];
$iast = array("a","A","ā","Ā","i","I","ī","Ī","u","U","ū","Ū","ṛ","Ṛ","ṝ","Ṝ","ḷ","Ḷ","ḹ","Ḹ","e","E","ai","Ai","o","O","au","Au","ṃ","Ṃ","ḥ","Ḥ","k","K","c","C","ṭ","Ṭ","t","T","p","P","kh","Kh","ch","Ch","ṭh","Ṭh","th","Th","ph","Ph","g","G","j","J","ḍ","Ḍ","d","D","b","B","gh","Gh","jh","Jh","ḍh","Ḍh","dh","Dh","bh","Bh","ṅ","Ṅ","ñ","Ñ","ṇ","Ṇ","n","N","m","M","y","Y","r","R","l","L","v","V","ś","Ś","ṣ","Ṣ","s","S","h","H");
$slp  = array("a","a","A","A","i","i","I","I","u","u","U","U","f","f","F","F","x","x","X","X","e","e","E", "E", "o","o","O", "O", "M","M","H","H","k","k","c","c","w","w","t","t","p","p","K", "K", "C", "C", "W", "W", "T", "T", "P", "P", "g","g","j","j","q","q","d","d","b","b","G", "G", "J", "J", "Q", "Q", "D", "D", "B", "B", "N","N","Y","Y","R","R","n","n","m","m","y","Y","r","r","l","l","v","v","S","S","z","z","s","s","h","h");

if (preg_match('/[āĀīĪūŪṛṚṝṜḷḶḹḸṃṂḥḤṭṬḍḌṅṄñÑṇṆśŚṣṢV]/',$first) || preg_match('/[āĀīĪūŪṛṚṝṜḷḶḹḸṃṂḥḤṭṬḍḌṅṄñÑṇṆśŚṣṢV]/',$second))
{
    $first = str_replace($iast,$slp,$first);
    $second = str_replace($iast,$slp,$second);
}

我将HTML中的$first和$second作为用户输入。

问题:当我输入$first=“dhātṛ”和$second =“aṃśaḥ”时，输出是"DAtf“+”amsah“。想要的输出是"DAtf“+ "aMSaH”，从数组中可以看到。

我仍然无法看出它是如何识别ṛ并将其正确转换为f的？不能分别替代m和h -> M和H以下的点。

Answer 1

问题在于转换数组的顺序。str_replace()使用一个哑算法:将搜索数组中的每个找到的字符替换为替换数组中的匹配值，从两个数组中的第一个值开始。

在某个时候，"ṃ“被大写"M”替换。稍后，将大写"m“替换为小写"M”。因为str_replace()不记得这个M实际上是一个被替换的"ṃ"，所以它再次转换它。

您可以通过重新安排替换数组来避免这种情况。如果您先翻译“轻松”字母，然后再翻译“易”字母，您可能会避免这个陷阱。通过将"m“和"M”的翻译移到数组的前面，我成功地测试了"ṃ“的正确翻译。

另一方面，您可能不希望开始重新排列数组中的值，并执行所有检查，如果str_replace()实际上对一个字符工作了两次。一个算法必须只对每个字符进行一次分析，并将其转化为逐字音译。strtr()似乎是能够做到这一点的PHP函数，但不幸的是，它只适用于单字节编码。而且没有可用的mb_strtr()函数。