如何组织含英文与希伯来文的句子 解决数据库存储语序混乱问题

问题诱因 #

• 编码转换逻辑错误：你将UTF-8编码的双向混排文本（包含右到左书写的希伯来文和左到右书写的英文）转换为了ISO-8859-8编码，这个编码的多数实现是按视觉顺序存储希伯来文的，会自动倒置RTL段落的字符存储顺序，混排LTR内容时就会出现两段希伯来文位置互换的问题。
• 补位函数适配问题：PHP原生的str_pad是单字节字符串操作函数，只适配左到右书写的文本逻辑，你使用STR_PAD_LEFT参数补位时，会在文本逻辑顺序的头部增加空格，对于RTL为主的混排文本，相当于在视觉右侧补位，进一步打乱了字符的显示顺序。
• 多余的转码操作：现代数据库均原生支持UTF-8编码存储多语言文本，将UTF-8转成单字节的ISO-8859-8本身就是不必要的操作，反而会引入字符丢失、语序混乱的风险。

修复方案 #

1. 移除不必要的转码逻辑
   直接使用UTF-8编码处理和存储文本，不要做UTF-8到ISO-8859-8的转换。同时确保你的数据库表、字段的编码设置为utf8mb4，数据库连接编码也同步设置为utf8mb4，即可原生支持希伯来文、英文混排文本的正确存储，不会出现语序混乱问题。

2. 替换为多字节安全的补位函数
   如果业务上确实需要做固定长度的补位操作，不要使用PHP原生的str_pad（无法正确处理多字节UTF-8文本的长度计算），改用多字节适配的补位实现，同时根据文本的书写方向调整补位参数：如果是RTL为主的文本需要视觉左对齐（即右侧补空格），对应使用STR_PAD_RIGHT参数即可。
   多字节安全的补位实现参考：

function mb_str_pad(string $input, int $pad_length, string $pad_string = ' ', int $pad_type = STR_PAD_RIGHT, ?string $encoding = null): string
{
    $encoding = $encoding ?? mb_internal_encoding();
    $input_length = mb_strlen($input, $encoding);
    if ($pad_length <= $input_length) {
        return $input;
    }
    $pad_need = $pad_length - $input_length;
    $pad_str_len = mb_strlen($pad_string, $encoding);
    $pad_content = str_repeat($pad_string, (int)ceil($pad_need / $pad_str_len));
    $pad_content = mb_substr($pad_content, 0, $pad_need, $encoding);

    switch ($pad_type) {
        case STR_PAD_LEFT:
            return $pad_content . $input;
        case STR_PAD_BOTH:
            $left_pad = mb_substr($pad_content, 0, (int)floor($pad_need/2), $encoding);
            $right_pad = mb_substr($pad_content, (int)floor($pad_need/2), null, $encoding);
            return $left_pad . $input . $right_pad;
        default:
            return $input . $pad_content;
    }
}

3. 旧系统兼容方案
   如果你的业务必须保留ISO-8859-8编码的使用，转码时将目标编码替换为ISO-8859-8-I，这个变体是按逻辑顺序存储希伯来文的，不会倒置字符顺序，同时调整补位参数适配RTL文本的显示逻辑即可。

内容的提问来源于stack exchange，提问作者user12656093