str_word_count（）函数不能正确显示阿拉伯语言 [英] str_word_count() function doesn't display Arabic language properly

问题描述

我让下一个函数从文本中返回特定数量的单词：

 函数brief_text（$ text ，$ num_words = 50）{
 $ words = str_word_count（$ text，1）; 
 $ required_words = array_slice（$ words，0，$ num_words）; 
返回implode（，$ required_words）; 
} 
  

它对英语有很好的效果，但是当我尝试将它与阿拉伯语语言失败，不会按预期返回单词。例如：

  $ text_en =开罗是埃及的首都，巴黎是法国的首都; 
 echo brief_text（$ text_en，10）; 
  

会输出 开罗是埃及的首都，巴黎是 ，而


  $ text_ar =القاهرةهىعاصمةمصروباريسهىعاصمةفرنسا; 
 echo brief_text（$ text_ar，10）; 
  

会输出


我知道问题出在 str_word_count 函数上，但我不知道以解决它。

更新

用英语和阿拉伯语很好，但我在寻找解决方案，用于与阿拉伯语一起使用时，由 str_word_count（）函数引起的问题。无论如何，这里是我的另一个函数：

$ p code $函数brief_text（$ string，$ number_of_required_words = 50）{
$ string = trim（preg_replace（'/ \s + /'，''，$ string））;
$ words = explode（，$ string）;
$ required_words = array_slice（$ words，0，$ number_of_required_words）; //从数组中获取特定数量的元素
返回implode（，$ required_words）;



解决方案

count：

//如果你喜欢
，你可以调用函数if（！ function_exists（'mb_str_word_count'））
{
函数mb_str_word_count（$ string，$ format = 0，$ charlist ='[]'）{
mb_internal_encoding（'UTF-8'）;
mb_regex_encoding（'UTF-8'）;

$ words = mb_split（'[^ \x {0600} -\x {06FF}]'，$ string）;
switch（$ format）{
case 0：
return count（$ words）;
休息;
情况1：
情况2：
返回$字;
休息;
默认值：
返回$ words;
休息;
}
};
}



echo mb_str_word_count（القاهرةهىعاصمةمصروباريسهىعاصمةفرنسا）。 PHP_EOL;


资源

• 阿拉伯语的Unicode列表


• 基于规则的阿拉伯语词干算法


• A基于规则和模板的阿拉伯语词干算法（看起来更完整）

推荐

• 在HTML文件中使用< meta charset =UTF-8/>


• 总是添加 Content-type：text / html; charset = utf-8 服务页面时的标题

I've made the next function to return a specific number of words from a text:

function brief_text($text, $num_words = 50) {
    $words = str_word_count($text, 1);
    $required_words = array_slice($words, 0, $num_words);
    return implode(" ", $required_words);
}

and it works pretty well with English language but when I try to use it with Arabic language it fails and doesn't return words as expected. For example:

$text_en = "Cairo is the capital of Egypt and Paris is the capital of France";
echo brief_text($text_en, 10);

will output Cairo is the capital of Egypt and Paris is the while

$text_ar = "القاهرة هى عاصمة مصر وباريس هى عاصمة فرنسا";
echo brief_text($text_ar, 10); 

will output � � � � � � � � � �.

I know that the problem is with the str_word_count function but I don't know how to fix it.

UPDATE

I have already written another function that works pretty good with both English and Arabic languages, but I was looking for a solution for the problem caused by str_word_count() function when using with Arabic. Anyway here is my other function:

    function brief_text($string, $number_of_required_words = 50) {
        $string = trim(preg_replace('/\s+/', ' ', $string));
        $words = explode(" ", $string);
        $required_words = array_slice($words, 0, $number_of_required_words); // get sepecific number of elements from the array
        return implode(" ", $required_words);
    }

解决方案

Try with this function for word count:

// You can call the function as you like
if (!function_exists('mb_str_word_count'))
{
    function mb_str_word_count($string, $format = 0, $charlist = '[]') {
        mb_internal_encoding( 'UTF-8');
        mb_regex_encoding( 'UTF-8');

        $words = mb_split('[^\x{0600}-\x{06FF}]', $string);
        switch ($format) {
            case 0:
                return count($words);
                break;
            case 1:
            case 2:
                return $words;
                break;
            default:
                return $words;
                break;
        }
    };
}



echo mb_str_word_count("القاهرة هى عاصمة مصر وباريس هى عاصمة فرنسا") . PHP_EOL;

Resources

• Unicode list for arabic
• A Rule-Based Arabic Stemming Algorithm
• A Rule and Template Based Stemming Algorithm for Arabic Language (seems more complete)

Recommentations

• Use the tag <meta charset="UTF-8"/> in HTML files
• Always add Content-type: text/html; charset=utf-8 headers when serving pages

这篇关于str_word_count（）函数不能正确显示阿拉伯语言的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！