php - ICU:音译然后删除所有非字母数字字符

Question

是否可以在不退回到正则表达式的情况下使用 ICU 完成？

目前我规范化文件名是这样的:

protected function normalizeFilename($filename)
{
    $transliterator = Transliterator::createFromRules(
        'Any-Latin; Latin-ASCII; [:Punctuation:] Remove;'
    );
    $filename = $transliterator->transliterate($filename);
    $filename = preg_replace('/[^A-Za-z0-9_]/', '', $filename);
    return $filename;

}

我可以在这里摆脱正则表达式并通过 ICU 调用完成所有操作吗？

Answer 1

为工作使用正确的工具

我认为您现在所做的没有任何问题。

ICU 音译首先是面向语言的。它试图保留意义。

另一方面，正则表达式可以详细操作字符，让您确信文件名仅限于所选字符。

在这种情况下，组合是完美的。

当然，我已经为您的问题寻找解决方案。但老实说，我找不到适用于所有可能输入的东西。

例如，不是所有的字符，我们认为是标点符号，都被[:Punctuation:] Remove; 删除。试试俄语名称:Корнильев, Кирилл。应用您的 id 后，它将变为:Kornilʹev Kirill。显然这不是标点符号，但您不希望它出现在您的文件名中。

所以我建议使用正确的工具来完成工作:

1. 使用 ICU 获得最佳的 ASCII 等价物。仅使用 Latin-ASCII; 作为 id 即可。漂亮而简单。
2. 然后像您一样使用正则表达式，以确保只剩下您需要的字符。

这真的没有错。

PS:我个人认为编写 ICU 用户指南的人不应因工作出色而受到称赞。真是一团糟。