在PHP中检测表单中的俄语字符

Question

我有一个网站，人们可以提交关于 iPhone 应用程序的链接。用户会提交应用程序名称、描述、分类和 URL。这个网站已经运行多年了，但从未收到过来自俄罗斯开发者的有建设性的提交。不幸的是，俄罗斯垃圾邮件发送者却发现了它，让我非常恼火。即使采取了所有防止垃圾邮件的措施，比如验证码等，一些人还是坚持发送与 iPhone 毫无关系的俄语色情内容。

我想完全禁止任何使用俄语字符发布的 URL 或帖子。对于 URL，我能做的不多，除了检查 URL 中是否包含“.ru”。但是对于描述，我想检测其中的俄语字符。请问在 PHP 中怎么做？

谢谢。

- Duck

---

http://www.weberdev.com/Print-Code-Example.php?ExampleID=4650&mode=color - Sarfraz

Answer 1

实际上非常简单如果你的网站使用UTF-8编码，可以使用UTF-8正则表达式轻松完成：

function isRussian($text) {
    return preg_match('/[А-Яа-яЁё]/u', $text);
}

- Alexander Konstantinov

---

我测试了所有三种方法。你的方法在我的情况下是有效的。而且从你的名字来看，你可能来自那里！:-) 谢谢。 - Duck

@Mike，差不多，我说俄语但不是来自俄罗斯 :) - Alexander Konstantinov

很酷...我喜欢那些俄语字符...它是一种看起来像镜子里写的语言... :-) - Duck

谢谢。我也发现使用 preg_match_all 并计算俄语字符数量，再用它来获得百分比很有用。有点类似贝叶斯方法。 - parkerfath

不错，但不是理想的解决方案。这意味着您必须将您的php文件保存为UTF8。 - Cymro

Answer 2

根据PHP文档，自5.1.0版本以来，可以使用\p{语言代码}在utf-8 PCRE正则表达式中查找特定（书写）脚本。对于俄语而言，代码为。

preg_match( '/[\p{Cyrillic}]/u', $text); 

页面上有一个警告：

通过Unicode属性匹配字符不够快，因为PCRE必须搜索包含超过15000个字符数据的结构。

- Julia Clement

---

谢谢。对 PCRE/REGEX/UNICODE 文档的参考非常有趣。这个答案对我来说是最有用的。 - Frédéric Hebrard

Answer 3

现在这段代码已经有5年的历史了，当我遇到类似问题时，这段代码曾经对我有用。

function detect_cyr_utf8($content)
{
  return preg_match('/&#10[78]\d/', mb_encode_numericentity($content, array(0x0, 0x2FFFF, 0, 0xFFFF), 'UTF-8'));
}

因此没有任何保证，也没有其他任何形式的保证 - 但它可能会帮助您（基本上编码所有外来实体，然后检查常见的西里尔字符）。

最好！

- nathan

Answer 4

我会下载俄语字母表并使用 strstr() 检查输入字符串。例如：

$russianChars = array('з', 'я'.. etc);

foreach($russianChars as $char) {
    if(strstr($input, $char)) {
        // russian char found in input, do something
    }
}

一个好的算法可能会在发现3个俄语字符后采取一些措施，以确保语言确实是俄语（因为俄语字符可能出现在其他语言中，如果是这种情况，建议进行一些研究）。

- Luca Matteis

Answer 5

如果您有一个名为“description”的输入框来描述您的内容，代码如下：

   <input name="description"/>

在您的邮件发送文件中，例如phpmailer或其他类似的文件，添加一个条件：

if (preg_match("/[А-Яа-яЁё]/u", $_POST['description'])) {
  echo "Sorry, no russian description allowed";
  die();
  }

- Louis Philippe

---

虽然这段代码可能回答了问题，但提供有关它如何以及/或为什么解决问题的附加上下文将改善答案的长期价值。 - Nic3500

Answer 6

来源：http://zurb.com/forrst/posts/Convert_cyrillic_to_latin_in_PHP-vWz

function ru2lat($str)    {
    $tr = array(
    "А"=>"a", "Б"=>"b", "В"=>"v", "Г"=>"g", "Д"=>"d",
    "Е"=>"e", "Ё"=>"yo", "Ж"=>"zh", "З"=>"z", "И"=>"i", 
    "Й"=>"j", "К"=>"k", "Л"=>"l", "М"=>"m", "Н"=>"n", 
    "О"=>"o", "П"=>"p", "Р"=>"r", "С"=>"s", "Т"=>"t", 
    "У"=>"u", "Ф"=>"f", "Х"=>"kh", "Ц"=>"ts", "Ч"=>"ch", 
    "Ш"=>"sh", "Щ"=>"sch", "Ъ"=>"", "Ы"=>"y", "Ь"=>"", 
    "Э"=>"e", "Ю"=>"yu", "Я"=>"ya", "а"=>"a", "б"=>"b", 
    "в"=>"v", "г"=>"g", "д"=>"d", "е"=>"e", "ё"=>"yo", 
    "ж"=>"zh", "з"=>"z", "и"=>"i", "й"=>"j", "к"=>"k", 
    "л"=>"l", "м"=>"m", "н"=>"n", "о"=>"o", "п"=>"p", 
    "р"=>"r", "с"=>"s", "т"=>"t", "у"=>"u", "ф"=>"f", 
    "х"=>"kh", "ц"=>"ts", "ч"=>"ch", "ш"=>"sh", "щ"=>"sch", 
    "ъ"=>"", "ы"=>"y", "ь"=>"", "э"=>"e", "ю"=>"yu", 
    "я"=>"ya", " "=>"-", "."=>"", ","=>"", "/"=>"-",  
    ":"=>"", ";"=>"","—"=>"", "–"=>"-"
    );
    return strtr($str,$tr);
}

然后。

echo ru2lat( "текст по-русски");  -------------->   "tekst po-russki"

- T.Todua

Answer 7

我知道这个问题可能与 PHP 无关，但我也遇到了类似的联系表单垃圾邮件问题。如果您的网站在Cloudflare后面，则可以通过检查请求来源国家来限制垃圾邮件。然后您可以将其标记为潜在垃圾邮件，并稍后验证是否可以发布。

最终，我开始将所有来自不同国家的邮件都标记为垃圾邮件，快速浏览是否有任何有价值的内容，然后删除其余部分。我还会将信息返回给潜在的垃圾邮件发送者，告诉他们解决 reCAPTCHA 不正确，即使已经正确解决。随着时间的推移，垃圾邮件数量显著下降。

Cloudflare 在标题中返回国家代码，此值可在 $_SERVER['HTTP_CF_IPCOUNTRY'] 变量中使用。

- Robert