如何使用RegEx实现带变音符号阿拉伯文本的搜索词高亮
阿拉伯语带变音符号文本的搜索高亮解决方案
核心问题:存储的阿拉伯语文本附带 tashkeel 变音符号,用户输入的无变音搜索词无法直接通过正则匹配到带变音的原文本内容,直接替换还会丢失原文本的变音信息。
实现思路
- 阿拉伯语变音符号属于 Unicode 非间距标记类别,常用范围为
U+064B ~ U+065F及U+0670,匹配时允许搜索词的每个字符之间穿插任意数量的变音符号即可命中目标内容 - 替换时直接使用匹配到的带变音的原文本片段包裹高亮标签,避免丢失原文本的变音信息
可用代码实现
$str = "اِنَّ الَّذِیۡنَ اٰمَنُوۡا وَ عَمِلُوا الصّٰلِحٰتِ وَ اَخۡبَتُوۡۤا اِلٰی رَبِّہِمۡ ۙ اُولٰٓئِکَ اَصۡحٰبُ الۡجَنَّۃِ ۚ ہُمۡ فِیۡہَا خٰلِدُوۡنَ"; $ptr = "عملوا"; // 定义阿拉伯变音符号的匹配规则 $tashkeelRegex = '[\x{064B}-\x{065F}\x{0670}]*'; // 按UTF-8编码拆分搜索词的每个字符,中间插入变音符号匹配规则 $searchChars = mb_str_split($ptr, 1, 'UTF-8'); $processedPattern = implode($tashkeelRegex, $searchChars) . $tashkeelRegex; // 正则加u修饰符开启Unicode支持,用$0获取匹配到的带变音原内容完成高亮包裹 $result = preg_replace("/{$processedPattern}/u", '<span style="background:yellow">$0</span>', $str); echo $result;
注意事项
- 必须在正则末尾加
u修饰符,否则PHP无法正确识别Unicode范围的阿拉伯字符 - 不要直接用用户输入的无变音搜索词作为替换内容,用
$0取正则匹配到的原文本片段,保留原有的变音符号 - 如果需要兼容更多小众阿拉伯变音符号,可以对应扩展正则里的Unicode范围
内容的提问来源于stack exchange,提问作者Ali Imran
相关产品推荐
相关产品推荐

