unicode字符与PHP中的wikipedia搜索

我将一个PHP字符串传递到wikipedia搜索页面，以便检索部分定义。 除了出现在\u..表单中的unicode字符外，其他所有字符都可以正常工作。下面是一个更好地解释我自己的例子。如您所见，名称的拼音不可读：

亨里克易卜生，亨里克易卜生\u02c8h\u025bn\u027eik\u02c8ips\u0259n （斯基恩，1828年马尔佐20日-奥斯陆，1906年马焦23日）埃斯塔托·乌诺·斯克里托， 德拉姆塔戈，挪威人

我从维基百科获取代码片段的代码如下：

$word = $_GET["word"];
$html = file_get_contents('https://it.wikipedia.org/w/api.php?action=opensearch&search='.$word);
$utf8html = html_entity_decode(preg_replace("/U\+([0-9A-F]{4})/", "&#x\\1;", $html), ENT_NOQUOTES, 'UTF-8');

我的代码的最后一行并不能解决这个问题。

---

您知道如何获得完全可读的干净文本吗？

如果正则表达式字符串中有一些错误，请尝试使用：

<?php
 $str = "Henrik Ibsen, Henrik Ibsen \u02c8h\u025bn\u027eik \u02c8ips\u0259n(Skien, 20 marzo 1828 - Oslo, 23 maggio 1906) è stato uno scrittore, drammaturgo, poeta e regista teatrale norvegese.";
 $utf8html = preg_replace('@\\\U([0-9A-F]{4})@i', "&#x\\1", $str);
 echo $utf8html;

---

维基百科搜索API的输出是JSON。不要试图从中挖出一些东西来解析字符串文字，这样你就不会发疯了。只需使用现成的JSON解析器

此外，当您将单词添加到查询字符串中时，需要对其进行URL转义，否则任何对中带有URL特殊字符的单词的搜索都将失败

总之：

$word = $_GET['word'];
$url = 'https://it.wikipedia.org/w/api.php?action=opensearch&search='.urlencode($word);
$response = json_decode(file_get_contents($url));

$matching_titles_array = $response[1];
$matching_summaries_array = $response[2];
$matching_urls = $response[3];
...etc...

---

好吧，bobince发布的答案肯定比我之前的程序更有效，我之前的程序旨在一点一点地删除和修剪我需要的东西。为了向您展示我是如何做的，以下是我以前的代码：

$html = file_get_contents('https://it.wikipedia.org/w/api.php?action=opensearch&search='.$s);
$decoded = preg_replace('@\\\U([0-9A-F]{4})@i', "&#x\\1", $html);
$par = array("[", "]");
$def_no_par = str_replace($par, "", $decoded);
$def_no_vir = str_replace("\"\",", "", $def_no_par);
$def_cap = str_replace("\",", "\",<br>", $def_no_vir);
$def_pulita = str_replace("\"", "", $def_cap);
$def_clean = str_replace(".,", ".", $def_pulita);
$definizione = str_replace("$s,", "", $def_clean);
$out = str_replace("\\", "\"", $definizione);

$html=file\u get\u contents（'https://it.wikipedia.org/w/api.php?action=opensearch&search=“.$s）；
$decoded=preg_replace（'@\\\U（[0-9A-F]{4}）@i'，“&#x\\1'，$html）；
$par=数组（“[”，“]”）；
$def_no_par=str_replace（$par，“，$decoded）；
$def\u no\u vir=str\u replace（“\”，“，”，$def\u no\u par）；
$def\u cap=str\u replace（“\”、“，“\”、
”、$def\u no\u vir）；
$def_pulita=str_replace（“\”，“，$def_cap”）；
$def_clean=str_replace（“，”，“，$def_pulita”）；
$definizione=str_replace（$s，“”，$def_clean）；
$out=str\u替换（“\\”、“\\”、$definizione）；

正如您所看到的，删除部分输出以使其更具可读性是相当令人厌烦的（而且并不完全成功）。 使用JSON方法可以使一切更加线性化。以下是我的新解决方法：

$search = 'https://it.wikipedia.org/w/api.php?action=opensearch&search='.urlencode($s);
$response = json_decode(file_get_contents($search));
$matching_titles_array = $response[1];
$matching_summaries_array = $response[2];
$matching_urls = $response[3];

echo '<h3><div align="center"><font color=" #A3A375">'.$titolo.'</font></div></h3><br><br>';
foreach($response[1] as $t) {
    echo '<font color="#5C85D6"><b>'.$t.'</b></font><br><br>';
}
foreach($response[2] as $s) {
    echo $s.'<br><br>';
}
foreach($response[3] as $l) {
$link = preg_replace('!(((f|ht)tp(s)?://)[-a-zA-Zа-яА-Я()0-9@:%_+.~#?&;//=]+)!i', '<a href="$1" target="_blank">$1</a>', $l);
    echo $link.'<br><br>';
}

$search=https://it.wikipedia.org/w/api.php?action=opensearch&search='.urlencode（$s）；
$response=json_解码（文件获取内容（$search））；
$matching_titles_array=$response[1]；
$matching_summaries_array=$response[2]；
$matching_url=$response[3]；
回音“.$titolo.”

；
foreach（$response[1]为$t）{
回显“.$t.”

”；
}
foreach（$s作为响应[2]{
回显$s.

'；
}
foreach（$response[3]为$l）{
$link=preg_replace（“！”（（f|ht）tp（s）：/）[-a-zA-Zа-a-a-a-a-a-u（）（）0-9:%：%。~#？&；/=]+）！i'，“$l”）；
echo$link.“

”；
}

优点是现在我可以随心所欲地操纵数组了。

---

您可以在操作中看到它：

只需使用

json_decode

：

$utf8html=json_decode（“'.$html.”）工作。此解决方案对我不起作用，可能是因为我的
$html
变量不是简单的文本字符串-它是
文件\u get\u contents（）
的输出。这里有一些问题，您无法得到您期望的结果（a）其他反斜杠转义，如
\”
或
\n
；（b）U+00FFFF以上的字符；（c）任何
\U
序列，后跟
[0-9A-Fa-f]
范围内的文字字符（由于缺少字符引用分号终止符）。