如何去除重音并将字母转换为“普通” ASCII 字符？

Question

如何最有效地从字符串中去除重音符号，例如 ÈâuÑ 变为 Eaun？

是否有一种简单的内置方法或正则表达式可以实现这个功能？

- Mark Lalor

---

@Peeps：告诉用户去谷歌搜索是违反 Stack Overflow 的礼仪的。如果问题在网站上不存在，最好还是提问，即使 OP 已经知道答案，因为这将增加我们非重复问题的数量。也许下一次有人用谷歌搜索时，他们会发现这个问题，然后我们就会有一个新用户了。 - Andreas Bonini

@Andreas 说得好。然而，这肯定是一个SO的重复问题，所以Peeps有点道理 :) 不过我现在太懒了，不想去搜索它。 - Pekka

Answer 1

我找到了一个解决方案，这个方案在我所有的测试用例中都有效（从http://php.net/manual/en/transliterator.transliterate.php复制得来）：

var_dump(transliterator_transliterate('Any-Latin; Latin-ASCII; [\u0080-\u7fff] remove',
    "A æ Übérmensch på høyeste nivå! И я люблю PHP! есть. fi ¦"));
// string(50) "A ae Ubermensch pa hoyeste niva! I a lublu PHP! est. fi "

查看: http://www.php.net/normalizer

编辑: 这个解决方案与使用 setlocale() 设置的区域设置无关。与 iconv() 相比的另一个好处是，即使非拉丁字符也不会被忽略。

编辑2: 我发现，一些字符并没有被我最初发布的音译方式所覆盖。 Any-Latin 将西里尔字母 ь 翻译为一个不适合于拉丁字符集的字符：ʹ (http://en.wikipedia.org/wiki/Prime_%28symbol%29)。我添加了 [\u0100-\u7fff] remove 来删除所有这些非拉丁字符。我还在文本中添加了一个测试 ;)

我建议，他们在这里所提到的“Latin”指的是拉丁字母表，而不是拉丁字符集之一。但无论如何 - 在我看来，他们应该将其转换为某些 ASCII 字符，然后使用 Latin-ASCII ...

编辑3: 对于此处的更改再次表示抱歉。我不得不将字符降至 u0080 而不是 u0100，以获得仅 ASCII 字符作为输出。上面的测试已更新。

- SimonSimCity

---

需要 php_intl.dll 扩展被启用。 - Oriol

我同意，这也是我最喜欢的函数！（而且我尝试了很多） - lokers

非常好的解决方案，非常易于使用，并且比其他使用str_replace的解决方案更有用。 - Baptiste Donaux

需要注意的是，这不仅仅是像OP要求的那样转换文本，还将删除一些字符，例如欧元符号 € 将会被删除。为了保留这些字符，只需将 'Any-Latin; Latin-ASCII;' 作为第一个参数传递即可。如果需要，您可以随后使用 iconv('UTF-8', 'ASCII//TRANSLIT//IGNORE', $str) 将 "€" 转换为 "EUR"。 - Skacc

Answer 2

如果您安装了iconv，可以尝试以下内容（该示例假设输入字符串为UTF-8）：

echo iconv('UTF-8', 'ASCII//TRANSLIT', $string);

iconv是一种库，用于在各种编码之间进行转换；它高效且默认情况下包含在许多PHP发行版中。最重要的是，它绝对比尝试自己制作解决方案更容易且更可靠（你知道有一个“带卷曲的拉丁字母N”吗？我也不知道）。

- Piskvor left the building

---

抢先我了。这应该是最好的选择。但请注意，如果输入中有无效字符（使用"ASCII//TRANSLIT//IGNORE"可以帮助），则往往会失败，而且像往常一样，如果遇到问题，可以阅读用户贡献的注释。http://www.php.net/manual/en/function.iconv.php - Pekka

由于某些原因，有时我无法让它正常工作。请参见http://codepad.viper-7.com/SUufA4 但在另一台机器上，我得到了“`E^au~N”。虽然不是期望的结果。 - Artefacto

这个inconv有一些冲突，所以我会问一个类似的问题。 - Mark Lalor

起初这个方法对我没用，重音符号只显示成问号。根据PHP手册页面上一个iconv()函数的评论，我首先运行了：setlocale(LC_ALL,'en_CA.utf8'); 然后一切都完美地工作了。'en_CA.utf8'是我系统的默认语言环境。可以尝试输入“locale -a”来查看可用的语言环境列表。 - Professor Falken

这对我解决了问号问题。 `setlocale(LC_ALL, "en_US.utf8");$string = iconv('UTF-8', 'ASCII//TRANSLIT//IGNORE', $string);` 注：该代码用于将字符串中的非ASCII字符转换为ASCII字符，同时忽略无法转换的字符，以解决一些显示问号的问题。 - Josh Bernfeld

Answer 3

应 @palantir 的请求重新发布此问题...

我发现iconv非常不可靠，而我也不喜欢使用preg_replace解决方案和大型数组...因此，在所有方法中，我最喜欢的方式（也是我找到的唯一可靠的方法）是...

function toASCII( $str )
{
    return strtr(utf8_decode($str), 
        utf8_decode(
        'ŠŒŽšœžŸ¥µÀÁÂÃÄÅÆÇÈÉÊËÌÍÎÏÐÑÒÓÔÕÖØÙÚÛÜÝßàáâãäåæçèéêëìíîïðñòóôõöøùúûüýÿ'),
        'SOZsozYYuAAAAAAACEEEEIIIIDNOOOOOOUUUUYsaaaaaaaceeeeiiiionoooooouuuuyy');
}

- designosis

---

你还应该加入以下字母：ő，Ő，ű，Ű。谢谢 :) - Sk8erPeter

这不是一个可靠的方法。对于波兰口音字符（如ŻŹĆŃĄŚŁĘÓżźćńąśłęó）无效。尝试 var_dump(strtr(utf8_decode('qqqqŻŹĆŃĄŚŁĘÓżźćńąśłęóqqq'), utf8_decode('ŻŹĆŃĄŚŁĘÓżźćńąśłęó'),'ZZCNASLEOzzcnasleo')); 我得到了 string(25) "qqqqeeeeeeeeOeeeeeeeeoqqq"。使用 iconv 更加可靠，例如 var_dump(iconv('UTF-8', 'ASCII//TRANSLIT//IGNORE', 'qqqqŻŹĆŃĄŚŁĘÓżźćńąśłęóqqq'));，我得到了 string(25) "qqqqZZCNASLEOzzcnasleoqqq"。 - piotrekkr

将“Горловка”转换为“YYYYYYYY”，不好。 - Tebe

它在性能方面并不是最好的，而且还会产生错误的结果。像Œ、Æ等字母应该分解为两个字母，而不是一个字母。 - Hasnat Safder

Answer 4

你可以使用iconv将字符转换为普通的US-ASCII，然后使用正则表达式删除非字母字符：

preg_replace('/[^a-z]/i', '', iconv("UTF-8", "US-ASCII//TRANSLIT", $text))

另一种方法是使用Normalizer来将文本规范化为规范化形式KD（NFKD），然后删除标记字符：

preg_replace('/\p{Mn}/u', '', Normalizer::normalize($text, Normalizer::FORM_KD))

- Gumbo

---

“ISO-8859-1”？你确定吗？这样做不会留下至少ÄÖÜ（它们的8859-1对应项）吗？ - Pekka

下投票的原因是什么？ - Gumbo

踩负评不是我的。但是，楼主并没有要求删除非字母字符，对吧？ - Pekka

这是我的。现在你已经修复了，它被还原了。 - Artefacto

@Pekka：使用 iconv 轉寫 ÈâuÑ 得到 \E^au~N`。這就是為什麼要使用以下清理的原因。 - Gumbo

Answer 5

注：我是从另一个类似的问题中转载过来，希望对其他人有所帮助。

我最终编写了一个PHP库，基于Django项目中的URLify.js，因为我发现iconv（）太不完整了。您可以在此处找到它： https://github.com/jbroadway/urlify 它可以处理拉丁字符以及希腊语、土耳其语、俄语、乌克兰语、捷克语、波兰语和拉脱维亚语。

- Johnny Broadway

---

这个类在我所有的测试用例中都能正常工作，而所有基于iconv的解决方案都无法满足我的需求。谢谢！ - Jens Wegar

感谢您的这门课程。在2017年，该项目仍然存在，并且该类在PHP7中运行得非常完美。 - Juan Antonio Tubío