Blog. Just Blog

Функция транслитерации русского текста на PHP

Версия для печати Добавить в Избранное Отправить на E-Mail 26.11.2014 | Категория: Web-мастеру и не только | Автор: ManHunter
Слово "транслитерация" происходит от латинского "transliteratus" ("trans" - "изменение" и "littera" - "буква"). Это метод представления букв одной системы письма либо алфавита буквами другой системы. В быту транслитерация получила широкое распространение для написания SMS в эпоху нерусифицированных сотовых телефонов и для набора текстов на нерусифицированных компьютерах. В Web-строительстве транслитерация обычно используется для создания красивых ЧПУ из заголовков статей и для переименования файлов при их загрузке на сервер.

В интернете немало подобных функций на PHP, но они все имеют общий недостаток: преобразования выполняются посимвольно согласно таблице символов замены, при этом заглавные буквы преобразуются без учета их положения в тексте. Для одиночных заглавных букв это не имеет значения, но буквы, транслитерируемые в два и более символа, в этом случае преобразуются с ошибкой. Поясню на примере. Преобразуем в транслит с простой заменой слова "Япония" и "ЮАР", получится "Yaponiya" и "YuAR". Первое слово нормально, а вот аббревиатура исказилась, ведь должно быть "YUAR". Я написал свою функцию транслитерации, которая учитывает местоположение таких составных букв и, в зависимости от этого, преобразует их в последовательность заглавных или только одну заглавную и строчные буквы. Набор символов в таблице транслитерации у меня отличается от ГОСТ 7.79-2000 "Правила транслитерации кирилловского письма латинским алфавитом", если вам потребуется строгое соответствие, то можете доработать функцию самостоятельно.
Code (PHP) : Убрать нумерацию
  1. //----------------------------------------------------------------------
  2. // Перевод кириллической строки в транслит и исправление умляутов
  3. //----------------------------------------------------------------------
  4. function translit($str, $fix_umlauts=false) {
  5.     // Установить опции и кодировку регулярных выражений
  6.     mb_regex_set_options('pd');
  7.     mb_internal_encoding('UTF-8');
  8.  
  9.     // Привести строку к UTF-8
  10.     if (strtolower(mb_detect_encoding($str,
  11.         'utf-8, windows-1251'))=='windows-1251') {
  12.         $str=mb_convert_encoding($str, 'utf-8', 'windows-1251');
  13.     }
  14.  
  15.     // Регулярки для удобства
  16.     $regexp1='(?=[A-Z0-9А-Я])';
  17.     $regexp2='(?<=[A-Z0-9А-Я])';
  18.  
  19.     // Массивы для замены заглавных букв, идущих последовательно
  20.     $rus=array(
  21.         '/(Ё'.$regexp1.')|('.$regexp2.'Ё)/u',
  22.         '/(Ж'.$regexp1.')|('.$regexp2.'Ж)/u',
  23.         '/(Ч'.$regexp1.')|('.$regexp2.'Ч)/u',
  24.         '/(Ш'.$regexp1.')|('.$regexp2.'Ш)/u',
  25.         '/(Щ'.$regexp1.')|('.$regexp2.'Щ)/u',
  26.         '/(Ю'.$regexp1.')|('.$regexp2.'Ю)/u',
  27.         '/(Я'.$regexp1.')|('.$regexp2.'Я)/u'
  28.     );
  29.  
  30.     $eng=array(
  31.         'YO','ZH','CH','SH','SCH','YU','YA'
  32.     );
  33.  
  34.     // Заменить заглавные буквы, идущие последовательно
  35.     $str=preg_replace($rus,$eng,$str);
  36.  
  37.     // Массивы для замены одиночных заглавных и строчных букв
  38.     $rus=array(
  39.         '/а/u','/б/u','/в/u','/г/u','/д/u','/е/u','/ё/u',
  40.         '/ж/u','/з/u','/и/u','/й/u','/к/u','/л/u','/м/u',
  41.         '/н/u','/о/u','/п/u','/р/u','/с/u','/т/u','/у/u',
  42.         '/ф/u','/х/u','/ц/u','/ч/u','/ш/u','/щ/u','/ъ/u',
  43.         '/ы/u','/ь/u','/э/u','/ю/u','/я/u',
  44.  
  45.         '/А/u','/Б/u','/В/u','/Г/u','/Д/u','/Е/u','/Ё/u',
  46.         '/Ж/u','/З/u','/И/u','/Й/u','/К/u','/Л/u','/М/u',
  47.         '/Н/u','/О/u','/П/u','/Р/u','/С/u','/Т/u','/У/u',
  48.         '/Ф/u','/Х/u','/Ц/u','/Ч/u','/Ш/u','/Щ/u','/Ъ/u',
  49.         '/Ы/u','/Ь/u','/Э/u','/Ю/u','/Я/u'
  50.     );
  51.  
  52.     $eng=array(
  53.         'a','b','v','g','d','e','yo',
  54.         'zh','z','i','y','k','l','m',
  55.         'n','o','p','r','s','t','u',
  56.         'f','h','c','ch','sh','sch','',
  57.         'i','','e','yu','ya',
  58.  
  59.         'A','B','V','G','D','E','Yo',
  60.         'Zh','Z','I','Y','K','L','M',
  61.         'N','O','P','R','S','T','U',
  62.         'F','H','C','Ch','Sh','Sch','',
  63.         'I','','E','Yu','Ya'
  64.     );
  65.  
  66.     // Заменить оставшиеся заглавные и строчные буквы
  67.     $str=preg_replace($rus,$eng,$str);
  68.  
  69.     // Исправление умляутов и других надсимвольных значков
  70.     if ($fix_umlauts) {
  71.         $str=preg_replace('/&(.)(tilde|uml);/',"$1",
  72.              mb_convert_encoding($str,'HTML-ENTITIES','utf-8'));
  73.     }
  74.  
  75.     return $str;
  76. }
Кроме транслитерации функция исправляет в строке тильды и умляуты, оставляя базовые латинские буквы. На входе первый параметр $str - кириллическая строка в кодировке UTF-8, которую надо транслитерировать. Второй параметр - флаг $fix_umlauts - требуется или нет исправлять умляуты и прочие надстрочные модификаторы символов, по умолчанию значение false. На выходе - преобразованная строка.

Примеры использования функции (осмысленность текстов не имеет значения, слова подобраны просто для демонстрации):
Code (PHP) : Убрать нумерацию
  1. echo translit('Я ЛЮБЛЮ Мультфильм "Ёжик в тумане", снятый в Японии');
  2. // Ya LYUBLYU Multfilm "Yozhik v tumane", snyatiy v Yaponii
  3.  
  4. echo translit('Организация ЮНЕСКО на юге Югославии');
  5. // Organizaciya YUNESKO na yuge Yugoslavii
Как видите, строчные и заглавные буквы, в том числе в "капсе" и аббревиатуре, преобразованы синтаксически корректно. Ошибки могут возникнуть только в неоднозначных случаях с отдельно стоящей заглавной буквой. Например, фраза "Я ЛЮБЛЮ тебя!" равновероятно может быть преобразована в транслит как в "Ya LYUBLYU tebya!", так и в "YA LYUBLYU tebya!", потому что невозможно угадать, какой "регистр" буквы "Я" имел в виду автор изначально.

Поделиться ссылкой ВКонтакте
Просмотров: 7347 | Комментариев: 6

Метки: PHP
Внимание! Статья опубликована больше года назад, информация могла устареть!

Комментарии

Отзывы посетителей сайта о статье
yuklov (03.03.2019 в 17:33):
Здравствуйте!
У меня есть плагин транслитерации. Написан на php. Он транслитерируют контент (страницу вордпресс) на латиницу.

Пример:
Код (Text):

<?php

class Translit_Core
{

   private static $replace = array(
'ЎЪ'=>'O‘',
'ўъ'=>'o‘',
'“Е'=>'“Ye',
'ЬЕ'=>'YE',
'ье'=>'ye',
'Ь'=>'',
'ь'=>'',
'ЕЛ'=>'YЕL',
'ЁШ'=>'YOSH',
'ЙШ'=>'YSH',
'ЦШ'=>'SSH',
'УШ'=>'USH',
'КШ'=>'KSH',
'ЕШ'=>'ESH',
'НШ'=>'NSH',
...
...
...,

  );

  public static function cir_to_lat($text)
   {
     return strtr($text,self::$replace);
   }

}

*****************************


Я создал правила каждой прописной букве. Это можно сделать кратко в текущем примере по регулярному выражению?
Например, если после или перед буквой Ё есть прописная буква, она должна транслитерироваться как YO. В остальных случаях, как Yo.

Это есть в .js:
Код (Text):

var text = text.replace(/([A-Z])Ё|Ё([A-Z])/g, "$1YO$2");
var text = text.replace(/Ё([a-z])|Ё(\s+)|Ё/g, "Yo$1$2");

В вашем примере показан схожий пример. Но я не мог внедрить этот код в мой плагин. Как этот способ использовать? Помогите, пожалуйста.
Владимир (05.06.2016 в 08:15):
Огромное спасибо! Я использовал ваш код для траслита урлов. Только добавил замену пробела на тире ('/ /u' на '-').
user (28.12.2015 в 01:50):
--Добавлено2--
Что-то ссылки не выходят нормально.
В общем, вот страница загрузки программы, там оба архива:
old-dos.ru/index.php?page=files&mode=files&do=show&id=3221
user (28.12.2015 в 01:28):
--Добавлено--
Поправил пару буковок, перезалил архив с Cyr32voL.exe:
old-dos.ru/dl.php?id=12988
user (27.12.2015 в 20:06):
..когда-то задался целью сделать транслитератор в обе стороны, ради забавы.
И сделал, но не впечатлило и было отложено надолго.
А совсем недавно общался с парой людей, у которых компьютеры нерусифицированы - так они гонят большие тексты волапюком.
Тут и вспомнилась та досовская утиль - помогло.
А на днях решил забацать WIN-GUI версию, чтобы проще было с интернетом работать.
Вот какая штука получилась:
old-dos.ru/dl.php?id=12985

При обратной транслитерации (с волапюка), конечно, не всё корректно переводится, но текст выходит вполне читаемым.

Более-менее доволен. Но не очень..

----------------------------
)А это архивная досовская утиль с сорсами на паскале (что я изгалялся когда-то):
old-dos.ru/dl.php?id=6702
Валигози (25.11.2014 в 16:18):
Блог суперский - просто зачитываюсь им.
Огромное спасибо - много интересного для себя нашёл.

Добавить комментарий

Заполните форму для добавления комментария
Имя*:
Текст комментария (не более 2000 символов)*:

*Все поля обязательны для заполнения.
Комментарии, содержащие рекламу, ненормативную лексику, оскорбления и т.п., а также флуд и сообщения не по теме, будут удаляться. Нарушителям может быть заблокирован доступ к сайту.
Это я :-)
Если программист в девять утра уже на работе, значит он там же и ночевал
Главная страница Web-мастеру и не только Образ мышления: Assembler Мои программы Software Темная сторона Силы Обзоры техники А еще я туда ем! Жизнь в оффлайне Всякая всячина
Карта сайта Ссылки Обратная связь Правила сайта Настройки сайта RSS-канал
Ограничение по возрасту 16+ Материалы, опубликованные на этом сайте, не рекомендуются к просмотру лицам в возрасте до 16 лет без присутствия взрослых.
Метки статей
.NET (27), AJAX (5), Assembler (349), COM (39), CSS (39), Exif (15), FASM (8), Firefox (7), HDD (17), Hello Teddy (9), HTML (48), iconBIT (4), JavaScript (68), MySQL (13), Nikon (19), PDF (9), PHP (119), Samsung (6), SEO (12), Sublime Text (9), TintonLife (4), UGREEN (4), Windows 7 (66), аккумуляторы (22), аксессуары (12), анализаторы файлов (8), архиваторы (5), аттракционы (7), безопасность (55), браузеры (16), бытовая техника (19), варенье (18), ВВЦ (9), ВДНХ (14), видео (20), Воробьевы горы (9), вторые блюда (120), выпечка (27), выставки (116), генератор ПСЧ (10), графика (118), десерты (31), Египет (8), заготовки на зиму (45), закуска (21), закуска к пиву (24), зарядные устройства (23), защита (15), зоопарки (10), игры (36), иконки (22), интерфейс (26), исследование защиты (306), каша (4), клавиатура (7), Коломенское (37), консоль (7), концерты (52), Кузьминки (4), куклы (27), ледяные скульптуры (6), мои программы (68), мониторы (6), музеи (72), мультимедиа (70), мясо (59), напитки (14), ноутбуки (8), обфускация (7), окна (69), оформление сайта (47), парки Москвы (7), песчаные скульптуры (13), плееры (10), подводная съемка (4), поздравления (127), полезные функции (39), прохождения (4), процессы (25), птица (20), путешествия (25), распаковка (22), реверсинг (51), рыба (34), салаты (18), сброс триала (4), сеть (36), система (177), Сокольники (8), соусы (14), супы (14), телефоны (8), Тунис (6), умный дом (12), файлы справки (6), фаст-фуд (18), фестиваль цветов (5), флешки (5), фото (23), хеши (16), числа (8), юмор (12), яйца (17), Яндекс (10)
Вам помог этот сайт?
Сказать спасибо! Поблагодарили 34,347 раз
<< 2024 - АПРЕЛЬ >>
Пн Вт Ср Чт Пт Сб Вс
1 2 3 4 5 6 7
8 9 10 11 12 13 14
15 16 17 18 19 20 21
22 23 24 25 26 27 28
29 30          
Всемирный день настольного тенниса
Нашли на сайте орфографическую ошибку? Выделите ее мышкой и нажмите
Ctrl
+
Enter
Буду очень благодарен, если размеcтите мою кнопочку:
Личный блог ManHunter'а
Valid CSS Valid XHTML 1.0 Transitional Valid mobileOK Basic Valid RSS
Яндекс тИЦ: {YANDEX_TIC} Яндекс ИКС: 380
Сейчас я слушаю
---
Имя:

Сообщение:

Осталось символов: 200

   
-
Наверх
Powered by PCL's Speckled Band Engine 0.2 RC3
© ManHunter / PCL, 2008-2024
При использовании материалов ссылка на сайт обязательна
Время генерации: 0.08 сек. / MySQL: 2 (0.0065 сек.) / Память: 4.5 Mb
Наверх