音譯轉化Transliteration服務用於依據發音將Unicode字符串轉化爲US-ASCII字符串，這和翻譯是不同的概念，對於中國人來說最直觀的理解就是將中文文字轉變爲拼音，Unicode涵蓋世界所有語言的字符，因此該服務可轉換所有的語言，而不僅僅用於中文；在drupal中通常用於依據用戶輸入產生識別id，如在後臺定義字段操作中，輸入中文的標籤時，系統用該服務自動產生機器名。
服務定義及使用示例：
服務定義如下：
transliteration:
class: Drupal\Core\Transliteration\PhpTransliteration
arguments: [null, '@module_handler']
第一個參數是數據目錄，如果爲NULL將使用類文件所在目錄下的“data”目錄，默認如下：
core\lib\Drupal\Component\Transliteration\data
服務獲取方法：\Drupal::transliteration()
使用示例：
在控制器中運行以下代碼：
$str="我是雲客，很高興認識您。";
$lang=\Drupal\Core\Language\LanguageInterface::LANGCODE_DEFAULT;
echo \Drupal::transliteration()->transliterate($str, $lang, '_');
將輸出：
“woshiyunke,hengaoxingrenshinin. ”
如果想進一步得到變量名，可以這樣處理：
$transliterated = \Drupal\Component\Utility\Unicode::strtolower($transliterated);
$transliterated = preg_replace('@[^a-z0-9_.]+@', '', $transliterated);
實現原理概述：
你可能會對此感到非常好奇，但實際上很簡單，系統附帶了一份Unicode編碼與音譯字符的對應文件，用戶也可以依據語言自定義該映射數據，在轉化時按Unicode字符碼查找替換即可，在理解代碼之前需要先明白一些編碼知識。
Unicode與UTF-8編碼：
Unicode碼稱爲統一碼，或萬國碼，是一種包含世界各國語言字符的編碼，目前還在不斷髮展中以包括更多字符，UTF-8是爲解決Unicode碼儲存浪費問題而生的再次編碼方案，表示一個Unicode字符的UTF-8編碼是變長的，目前代表Unicode字符的UTF-8編碼最多4字節（每字節有8比特），具體有多少字節可由UTF-8編碼最前面幾比特推斷出來，第一比特如果爲0則僅一字節，如果爲110、1110、11110則分別代表有2、3、4字節，規則有以下兩點：
一、對於單字節的符號，字節的第一位設爲0，後面7位爲這個符號的unicode碼。因此對於英語字母，UTF-8編碼和ASCII碼是相同的。
二、對於n字節的符號（n>1），第一個字節的前n位都設爲1，第n+1位設爲0，後面字節的前兩位一律設爲10。剩下的沒有提及的二進制位，全部爲這個符號的unicode碼。
換句話說UTF-8編碼字節數和對應的形式如下：
1字節形式：0xxxxxxx
2字節形式：110xxxxx 10xxxxxx
3字節形式：1110xxxx 10xxxxxx 10xxxxxx
4字節形式：11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
如果不是這樣的形式，則不是有效的UTF-8字符，UTF-8編碼可表示所有的Unicode編碼字符，將以上這些形式中的X按順序提取出來形成的二進制串就是Unicode碼的整數值，本文將其稱爲Unicode字符碼，她是本篇的重點，系統據此查找並替換音譯字符。
爲便於讀者理解，雲客在這裏提供以下兩個輔助程序：
一個UTF-8編碼字符可以通過以下函數顯示其內部的二進制形式表示：
function echoUTF8($character)
{
$count = 0;
for ($i = 3; $i >= 0; $i--) {
if (isset($character[$i])) {
$count = $i;
break;
}
}
$s = '';
for ($i = 0; $i <= $count; $i++) {
$s .= str_pad(base_convert(ord($character[$i]), 10, 2), 8, '0', STR_PAD_LEFT) . " ";
}
echo $s;
}
如echoUTF8 ("客");，將輸出漢字“客”的utf8內部表示：
“11100101 10101110 10100010”，
按照上述轉Unicode的方法（提取模板中的x）提取二進制串將是：
“0101 101110 100010”
它的十進制表示爲：23458，十六進制表示爲：5ba2，Unicode編碼正是其十六進制表示，記爲“\u5ba2”
一個UTF-8編碼字符可以通過以下程序得到Unicode字符碼的十六進制表示：
function echoUnicode($character)
{
$first_byte = ord($character[0]);
$code = -1;
if (($first_byte & 0x80) == 0) {
$code = $first_byte;
}
if (($first_byte & 0xe0) == 0xc0) {
$code = (($first_byte & 0x1f) << 6) + (ord($character[1]) & 0x3f);
}
if (($first_byte & 0xf0) == 0xe0) {
$code = (($first_byte & 0x0f) << 12) + ((ord($character[1]) & 0x3f) << 6) + (ord($character[2]) & 0x3f);
}
if (($first_byte & 0xf8) == 0xf0) {
$code = (($first_byte & 0x07) << 18) + ((ord($character[1]) & 0x3f) << 12) + ((ord($character[2]) & 0x3f) << 6) + (ord($character[3]) & 0x3f);
}
if ($code == -1) {
echo "the character is not legal.";
return;
}
echo $s = '\u' . str_pad(base_convert($code, 10, 16), 4, '0', STR_PAD_LEFT);
}
調用echoUnicode("客");將輸出：“\u5ba2”
源碼解釋：
在知道了原理後我們來看一看程序，代碼以drupal組件的方式提供（意味着可獨立用於其他項目），核心繼承添加了模塊修改功能，各方法介紹如下：
public function transliterate($string, $langcode = 'en', $unknown_character = '?', $max_length = NULL);
將字符串音譯轉化爲US-ASCII字符串，參數含義如下：
$string：要被轉化的字符串，需傳入UTF-8編碼的字符串，否則視爲無效以未知字符代替
$langcode：被轉化的字符串所屬的語言的語言代碼，默認爲en（英語），以運用語言特定的覆寫
$unknown_character ：當找不到轉化等價物時的代替字符串，默認爲'?'
$max_length：轉化後的字符串最大長度限制，默認爲 NULL，代表不限制，在截取時以原字符作爲單位，不會將一個字符劈開，舉個例子：“雲客”轉化後是“yunke”，如果該參數被設置爲4，結果將是“yun”，而不是“yunk”，因爲“客”作爲一個整體，如果截取會使其被劈開，此時將整個捨去
該方法通過正則表達式分隔函數preg_split逐個字符處理，'//u'表示按unicode(utf-8)匹配（主要針對多字節比如漢字），如果字符不是合法的UTF-8編碼的unicode字符，將用傳入的未知字符作爲轉化結果
protected static function ordUTF8($character)
返回一個UTF-8編碼的Unicode字符的字符編碼十進制整數表示，類似ord函數，但該方法是針對utf8的 ，如果傳入的不是UTF-8編碼字符將返回-1，該返回值也就是前一節所指的Unicode字符碼，可將其當做一個十進制整數，比如“雲客”的“客”傳入該方法將返回十進制整數：23458，該返回值轉化爲十六進制即是傳入字符的Unicode碼錶示，代碼如下：
$int =23458;
$s = '\u' . str_pad(base_convert($int, 10, 16), 4, '0', STR_PAD_LEFT);
此時$s的值爲“\u5ba2”，正是漢字“客”的Unicode碼錶示
該方法使用了位操作，提示：用連續的1進行與（&）操作等價於針對這些位的截取操作，爲閱讀方便，這裏將用到的十六進制對應的二進制列出如下：
0x80 ： 10000000
0xe0 ： 11100000
0xc0 ： 11000000
0x1f ： 00011111
0x3f ： 00111111
0xf0 ： 11110000
0xe0 ： 11100000
0x0f ： 00001111
0xf8 ： 11111000
0x07 ： 00000111
protected function replace($code, $langcode, $unknown_character)
依據十進制的Unicode字符碼返回音譯替換字符，替換字符可以包含多個US-ASCII字符，如果Unicode字符碼在ASCII集以內，將直接通過函數chr轉換返回，如果不在則查詢映射文件，映射文件有兩類：默認通用映射和語言特定的覆寫映射，後者優先級更高
protected function readLanguageOverrides($langcode)
加載語言覆寫映射文件，文件名是將語言代碼中除字母和連字符“-”以外的字符去掉的結果，php文件類型，文件位置默認在core\lib\Drupal\Component\Transliteration\data中（可以通過構造函數改變默認位置），文件內容僅需聲明一個php變量$overrides，如德語（語言代碼爲de）的內容爲：
$overrides['de'] = [
0xC4 => 'Ae',
0xD6 => 'Oe',
0xDC => 'Ue',
0xE4 => 'ae',
0xF6 => 'oe',
0xFC => 'ue',
];
鍵名爲語言代碼，鍵值爲一個數組，稱爲覆寫數據數組，其鍵名爲十六進制表示的Unicode字符碼，也就是前文ordUTF8方法返回的值，注意該鍵名不要加引號，否則就變成字符串而不是整數了，鍵值爲音譯替換字符。
該文件在方法內加載，因此加載的變量是局部變量，如果沒有聲明$overrides將構造一個空數組，加載的覆寫數據數組被保存在屬性$this->languageOverrides[$langcode]中
Drupal覆寫了該方法，使得模塊可以通過修改鉤子修改覆寫映射，鉤子名如下：
transliteration_overrides
默認沒有模塊實現該修改鉤子，修改鉤子函數如下：
hook_transliteration_overrides_alter(&$overrides, $langcode);
參數$overrides爲覆寫數據數組，鍵名爲十六進制表示的Unicode字符碼，見上文，如果不存在覆寫數據，也會派發該鉤子，此時該參數爲一個空數組，模塊可以添加覆寫數據。參數$langcode爲語言代碼
protected function lookupReplacement($code, $unknown_character = '?')
依據Unicode字符碼返回默認的音譯映射字符串，這是通過查詢預先準備的默認映射數據實現的，映射數據儲存方式如下：
將Unicode字符碼的低8位去除，剩下的高位轉化爲十六進制，不足兩位時在左端補0，加“x”作爲前綴，以此方式得出的字符串作爲文件名，php類型，文件位置和語言覆寫數據相同，文件內容僅聲明一個變量$base，其值爲一個數組，鍵名爲Unicode字符碼低8位轉化的整數，以十六進制方式表示，在默認數據中可以看到許多鍵名被省略，這是因爲php會按順序加一形成鍵名；鍵值爲音譯替換字符，可以有多個，這裏仍然以“客”作爲列子，其Unicode字符碼爲23458，十六進制表示爲：5ba2，低八位是“a2”，其他高位爲“5b”，那麼文件名就是“x5b.php”，打開這個文件，在“0xA0”位置是chong，向右兩個元素就是“0xa2”，其鍵值正是“ke”。
public function removeDiacritics($string)
移除變音符號，變音符號（diacritics 或accents）是標明一個詞如何發音的符號，在法語和西班牙語等語言中非常常見，在英語中不常見，對於漢語來說更是陌生，詳見：
https://en.wikipedia.org/wiki/Diacritic
該方法實現比較簡單，不多講
補充說明：
1、該服務不會考慮漢語拼音多音字問題，如“行走”、“行業”中的“行”都會被轉化爲“xing”，正確轉化拼音是一個很複雜的問題，需要考慮前後上下文，需要多音字相關的額外數據
2、該服務僅處理utf-8編碼的字符串，不能直接處理GBK等編碼，如有需要須先通過php函數轉化字符串爲utf-8編碼
3、該服務的實現代碼有部分來自MediaWiki項目的UtfNormal類，地址：
http://www.mediawiki.org/
4、如果轉化結果需要當做php變量使用，需要做進一步處理，去除標點符號等特殊字符，以下中文標點符號和對應的轉化結果如下：
原中文符號： ，。、；‘”：？！@#￥%……&*（）——+【】{}（）
轉化後符號： ,.,;'":?!@#Y=%......&*()--+[()] {}()
我是雲客,【雲遊天下，做客四方】,聯繫方式見主頁，歡迎轉載，但須註明出處