Есть код на PHP, который переводит тексты с украинского на русский и наоборот, путём замены слов одного языка на соответствующие им слова другого:
$oldstring = 'Мова, з якої здійснюється переклад';
$words = array(array('ua'=>'з', 'ru'=>'с'), array('ua'=>'здійснюється', 'ru'=>'осуществляется'), array('ua'=>'мова', 'ru'=>'язык'), array('ua'=>'переклад', 'ru'=>'перевод'), array('ua'=>'якої', 'ru'=>'которой'));
foreach ($words as $row) {
$fndrep[$row['ua']] = $row['ru'];
}
$pattern = '~(?=([\x{0410}-\x{042F}]?)([\x{0430}-\x{044F}]?))\b(?i)(?:'
. implode('|', array_keys($fndrep))
. ')\b~u';
$newstring = preg_replace_callback($pattern, function ($m) use ($fndrep) {
mb_internal_encoding('UTF-8');
$lowm = $fndrep[mb_strtolower($m[0])];
if ($m[1])
return ($m[2]) ?
mb_strtoupper(mb_substr($lowm, 0, 1)) . mb_substr(mb_convert_case($lowm, MB_CASE_LOWER), 1, mb_strlen($lowm))
: mb_strtoupper($lowm);
else
return $lowm;
}, $oldstring);
echo $newstring;
// получаем "Язык, с которой осуществляется перевод"
Код работает но остается ряд проблем:
- Самая главная: хотя в целом с украинского на русский или наоборот
можно переводить дословно, но есть, конечно, много случаев, когда нужно
учитывать контекст, и на выходе требуется совсем другое слово или по
крайней мере другой падеж слова;
возьмем пример с нашего кода:
поскольку укр. словомова
в женском роде, а на русском соответствующее ему словоязык
в мужском, то на выходе получаемЯзык, с которой осуществляется перевод
(хотя должно быть "язык, с которого ...").
Отсюда вопрос: что поправить в коде, чтобы в базу слов можно было вносить и целые слова (например,мова|язык
), и в то же время выражения (например,мова з якої|язык с которого
)? И, если код находит не просто целое слово, а целое выражение, то использует его при переводе preg_replace_callback()
в приведённом коде избавляет от необходимости вносить в базу одно и то же слово с большой и маленькой буквы, получая на выходе при этом переведённое слово в том регистре, в котором оно написано в исходном тексте. Но бывают глюки, когда какое-то слово на выходе почему-то выводит только БОЛЬШИМИ буквами, хотя в исходном тексте заглавная только его первая буква.- Код не понимает слов с дефисом. Например, украинское слово
будь-який
код разделяет на две части: переводит укр. словоякий
на русский каккоторый
, - и получаембудь-который
, хотя должны получитьлюбой
- Проблема с украинской буквой
і
(соответствует русскойи
): если в исходном тексте слово начинается с большойІ
, то при переводе на выходе почему-то маленькаяи
(во всех словах, которые начинаются с этой буквы: т.е. интернет, информация и т.д.) - Код не понимает сокращений с точкой. Например,
т.д.
,т.е.
или подобные (решая эту проблему, нужно учитывать, что слова в конце предложения нужно переводить как целые слова без точки)
Google Translate API is available as a paid service