Traslitterazione intelligente in PHP

Question

Sono interessato a scrivere uno script PHP (accolgo favorevolmente i suggerimenti agnostici di lingua) che trasporteranno una frase o una parola scritta in inglese (phoenetically) nella sceneggiatura di un'altra lingua. Dal momento che sto guardando l'inglese scritto in modo fenomenico (cioè a orecchio): dovrei fare i conti con le varianti di ortografia della stessa parola.

Si presume che non esiste uno standard per la romanizzazione (per esempio, in cinese, si ha la Wade semplificato, ecc)

Qualcuno ha qualche consiglio su dove potrei cominciare? EDI: lo sto facendo solo a scopo didattico, e inizialmente ho avuto l'impressione che per capire la connessione tra le varianti di ortografia (che potrebbero essere trovate in un corpus di messaggi di messaggistica istantanea, i post di Facebook scritti in la forma romanizzata della lingua), avresti bisogno di una sorta di strumento di apprendimento automatico. Tuttavia, mi piacerebbe sapere se ero sulla strada giusta, e mi piacerebbe un po 'di aiuto nel capire quale dovrebbe essere il prossimo passo per farlo funzionare (per esempio: quale strumento di apprendimento automatico dovrei esaminare?) .

Answer 1

Conoscenza almeno giapponese, si ha un numero impostato di combinazioni di lettere.

Quindi, si potrebbe fare qualcosa di simile a creare una matrice di corrispondenza come questo

array(
    'oo' => 'おう', 
    'oh' => 'おう', 
    'ou' => 'おう' 
) 

Naturalmente, proseguendo, e fare in modo che non corrispondono 'do', quando dovrebbe essere 'tsu'.

Questo sarebbe solo un punto di partenza, ovviamente.

Apprendimento automatico è probabilmente più pratico con il cinese ... ma ecco un inizio difficile per hiragana: https://gist.github.com/1154969

Answer 2

Prova Transliteration PHP Extension di Derick Rethans:

Questa estensione permette di traslitterare testo in non latini caratteri (come il cinese, cirillico, greco ecc) per caratteri latini. Oltre alla traslitterazione, l'estensione contiene anche i filtri latini maiuscoli, minuscoli, cirillici e greci e esegue forme speciali di traslitterazione come la conversione di legature come "01" a "ae" e normalizzazione di punteggiatura e spaziatura.

Sembra che abbia già iniziato proprio quello che stai cercando! (a meno che non si voglia trattare con inglese-> lingua latina, ma almeno si tratta di script di altre lingue :))