重音字母在字符串突变正则表达式中的使用

Question

如何修改字符串突变的regex代码，使其也适用于重音字母？例如，reges中用于"amor“的字符串突变应该与"āmōr”的字符串突变相同。我只想简单地包括“(？<=aeiouāēīōūăĕĭŏŭ)”这样的重音字母，但这不起作用。

我的代码：

$hyphenation = '~
(?<=[aeiou]) #each syllable contain a vowel
(?:
    # Muta cum liquida
    ( (?:[bcdfgpt]r | [bcfgp] l | ph [lr] | [cpt] h | qu ) [aeiou] x )
  |
    [bcdfghlmnp-tx]
    (?:
        # ct goes together

        [cp] \K (?=t)
      |
        # two or more consonants are splitted up
        \K (?= [bcdfghlmnp-tx]+ [aeiou]) 
    )   
  |
    # a consonant and a vowel go together
    (?:
        \K (?= [bcdfghlmnp-t] [aeiou])
      | 
        #  "x" goes to the preceding vowel
        x \K (?= [a-z] | (*SKIP)(*F) ) 
    )
  |
    # two vowels are splitted up except ae oe...
    \K (?= [aeiou] (?<! ae | oe | au | que | qua | quo | qui ) ) 
)
~xi';


// hyphention
$result = preg_replace($hyphenation, '-$1', $input);

Answer 1

在unicode中，重音字母可以用多种方式表示。例如，ā可以是unicode编码点U+0101 (拉丁文小写字母A和马克龙)，但也可以是U+0061 (拉丁文小写字母A)和U+0304 (组合马克龙)的组合。(链接)

因此，在以下情况下编写(?<=[aeiouāēīōūăĕĭŏŭ])是正确的：

• 您使用u修饰符通知pcre regex引擎，您的字符串和模式必须读取为UTF-8字符串。否则，多字节字符被视为分离的字节，而不是原子的(这可能是有问题的，并产生奇怪的结果，特别是当多字节字符在字符类中时。例如，[eā]+将匹配"ē")。
• 您可以确定目标字符串和模式对每个字母使用相同的形式。如果模式使用U+0101和带有U+0304的字符串U+0061来表示"ā"，那么它将无法工作。若要防止此问题，可以将$str = Normalizer::normalize($str);应用于主题字符串。此方法来自英特扩展。

您可以在以下链接中找到更多信息：

等价性

http://utf8-chartable.de/

http://php.net/manual/en/normalizer.normalize.php

http://php.net/manual/en/reference.pcre.pattern.modifiers.php

http://pcre.org/original/pcre.txt