Jun 14, 2012 -

Thử một bài viết có rất nhiều tiếng Việt

Bài viết này lẽ ra đã không được publish. Mục đích của mình chỉ là kiểm tra xem WordPress 3.4 xử lý tiếng Việt trong Permalink như thế nào. Trước 3.4, WordPress xử lý việc này không tốt, cụ thể là với tiêu đề như trên, WordPress sẽ xử lý thành “thử-một-bai-viết-co-rất-nhiều-tiếng-việt”. WordPress 3.4 đã xử lý việc này rất tốt, URL trở thành “thu-mot-bai-viet-co-rat-nhieu-tieng-viet”.

Dưới đây là đoạn code được mình viết và đặt trong file wp-includes/formatting.php để xử lý tiếng Việt trong Permalink. WordPress 3.4 cũng có một đoạn xử lý tương tự nhưng đã tối ưu và loại bỏ các ký tự trùng với các phần sẵn có trong WordPress.

// Decompositions for Vietnamese
chr(65) => 'A',chr(97) => 'a',
chr(196).chr(130) => 'A',chr(196).chr(131) => 'a',
chr(195).chr(130) => 'A',chr(195).chr(162) => 'a',
chr(195).chr(128) => 'A',chr(195).chr(160) => 'a',
chr(225).chr(186).chr(176) => 'A',chr(225).chr(186).chr(177) => 'a',
chr(225).chr(186).chr(166) => 'A',chr(225).chr(186).chr(167) => 'a',
chr(195).chr(129) => 'A',chr(195).chr(161) => 'a',
chr(225).chr(186).chr(174) => 'A',chr(225).chr(186).chr(175) => 'a',
chr(225).chr(186).chr(164) => 'A',chr(225).chr(186).chr(165) => 'a',
chr(225).chr(186).chr(162) => 'A',chr(225).chr(186).chr(163) => 'a',
chr(225).chr(186).chr(178) => 'A',chr(225).chr(186).chr(179) => 'a',
chr(225).chr(186).chr(168) => 'A',chr(225).chr(186).chr(169) => 'a',
chr(195).chr(131) => 'A',chr(195).chr(163) => 'a',
chr(225).chr(186).chr(180) => 'A',chr(225).chr(186).chr(181) => 'a',
chr(225).chr(186).chr(170) => 'A',chr(225).chr(186).chr(171) => 'a',
chr(225).chr(186).chr(160) => 'A',chr(225).chr(186).chr(161) => 'a',
chr(225).chr(186).chr(182) => 'A',chr(225).chr(186).chr(183) => 'a',
chr(225).chr(186).chr(172) => 'A',chr(225).chr(186).chr(173) => 'a',
chr(69) => 'E',chr(101) => 'e',
chr(195).chr(138) => 'E',chr(195).chr(170) => 'e',
chr(195).chr(136) => 'E',chr(195).chr(168) => 'e',
chr(225).chr(187).chr(128) => 'E',chr(225).chr(187).chr(129) => 'e',
chr(195).chr(137) => 'E',chr(195).chr(169) => 'e',
chr(225).chr(186).chr(190) => 'E',chr(225).chr(186).chr(191) => 'e',
chr(225).chr(186).chr(186) => 'E',chr(225).chr(186).chr(187) => 'e',
chr(225).chr(187).chr(130) => 'E',chr(225).chr(187).chr(131) => 'e',
chr(225).chr(186).chr(188) => 'E',chr(225).chr(186).chr(189) => 'e',
chr(225).chr(187).chr(132) => 'E',chr(225).chr(187).chr(133) => 'e',
chr(225).chr(186).chr(184) => 'E',chr(225).chr(186).chr(185) => 'e',
chr(225).chr(187).chr(134) => 'E',chr(225).chr(187).chr(135) => 'e',
chr(73) => 'I',chr(105) => 'i',
chr(195).chr(140) => 'I',chr(195).chr(172) => 'i',
chr(195).chr(141) => 'I',chr(195).chr(173) => 'i',
chr(225).chr(187).chr(136) => 'I',chr(225).chr(187).chr(137) => 'i',
chr(225).chr(187).chr(138) => 'I',chr(225).chr(187).chr(139) => 'i',
chr(79) => 'O',chr(111) => 'o',
chr(195).chr(148) => 'O',chr(195).chr(180) => 'o',
chr(198).chr(160) => 'O',chr(198).chr(161) => 'o',
chr(195).chr(146) => 'O',chr(195).chr(178) => 'o',
chr(225).chr(187).chr(146) => 'O',chr(225).chr(187).chr(147) => 'o',
chr(225).chr(187).chr(156) => 'O',chr(225).chr(187).chr(157) => 'o',
chr(195).chr(147) => 'O',chr(195).chr(179) => 'o',
chr(225).chr(187).chr(144) => 'O',chr(225).chr(187).chr(145) => 'o',
chr(225).chr(187).chr(154) => 'O',chr(225).chr(187).chr(155) => 'o',
chr(225).chr(187).chr(142) => 'O',chr(225).chr(187).chr(143) => 'o',
chr(225).chr(187).chr(148) => 'O',chr(225).chr(187).chr(149) => 'o',
chr(225).chr(187).chr(158) => 'O',chr(225).chr(187).chr(159) => 'o',
chr(195).chr(149) => 'O',chr(195).chr(181) => 'o',
chr(225).chr(187).chr(150) => 'O',chr(225).chr(187).chr(151) => 'o',
chr(225).chr(187).chr(160) => 'O',chr(225).chr(187).chr(161) => 'o',
chr(225).chr(187).chr(140) => 'O',chr(225).chr(187).chr(141) => 'o',
chr(225).chr(187).chr(152) => 'O',chr(225).chr(187).chr(153) => 'o',
chr(225).chr(187).chr(162) => 'O',chr(225).chr(187).chr(163) => 'o',
chr(85) => 'U',chr(117) => 'u',
chr(198).chr(175) => 'U',chr(198).chr(176) => 'u',
chr(195).chr(153) => 'U',chr(195).chr(185) => 'u',
chr(225).chr(187).chr(170) => 'U',chr(225).chr(187).chr(171) => 'u',
chr(195).chr(154) => 'U',chr(195).chr(186) => 'u',
chr(225).chr(187).chr(168) => 'U',chr(225).chr(187).chr(169) => 'u',
chr(225).chr(187).chr(166) => 'U',chr(225).chr(187).chr(167) => 'u',
chr(225).chr(187).chr(172) => 'U',chr(225).chr(187).chr(173) => 'u',
chr(196).chr(168) => 'U',chr(196).chr(169) => 'u',
chr(197).chr(168) => 'U',chr(197).chr(169) => 'u',
chr(225).chr(187).chr(174) => 'U',chr(225).chr(187).chr(175) => 'u',
chr(225).chr(187).chr(164) => 'U',chr(225).chr(187).chr(165) => 'u',
chr(225).chr(187).chr(176) => 'U',chr(225).chr(187).chr(177) => 'u',
chr(89) => 'Y',chr(121) => 'y',
chr(225).chr(187).chr(178) => 'Y',chr(225).chr(187).chr(179) => 'y',
chr(195).chr(157) => 'Y',chr(195).chr(189) => 'y',
chr(225).chr(187).chr(182) => 'Y',chr(225).chr(187).chr(183) => 'y',
chr(225).chr(187).chr(184) => 'Y',chr(225).chr(187).chr(185) => 'y',
chr(225).chr(187).chr(180) => 'Y',chr(225).chr(187).chr(181) => 'y',
chr(68) => 'D',chr(100) => 'd',
chr(196).chr(144) => 'D',chr(196).chr(145) => 'd',

Đây là đoạn code của WordPress

// Vowels with diacritic (Vietnamese)
// unmarked
chr(198).chr(160) => 'O', chr(198).chr(161) => 'o',
chr(198).chr(175) => 'U', chr(198).chr(176) => 'u',
// grave accent
chr(225).chr(186).chr(166) => 'A', chr(225).chr(186).chr(167) => 'a',
chr(225).chr(186).chr(176) => 'A', chr(225).chr(186).chr(177) => 'a',
chr(225).chr(187).chr(128) => 'E', chr(225).chr(187).chr(129) => 'e',
chr(225).chr(187).chr(146) => 'O', chr(225).chr(187).chr(147) => 'o',
chr(225).chr(187).chr(156) => 'O', chr(225).chr(187).chr(157) => 'o',
chr(225).chr(187).chr(170) => 'U', chr(225).chr(187).chr(171) => 'u',
chr(225).chr(187).chr(178) => 'Y', chr(225).chr(187).chr(179) => 'y',
// hook
chr(225).chr(186).chr(162) => 'A', chr(225).chr(186).chr(163) => 'a',
chr(225).chr(186).chr(168) => 'A', chr(225).chr(186).chr(169) => 'a',
chr(225).chr(186).chr(178) => 'A', chr(225).chr(186).chr(179) => 'a',
chr(225).chr(186).chr(186) => 'E', chr(225).chr(186).chr(187) => 'e',
chr(225).chr(187).chr(130) => 'E', chr(225).chr(187).chr(131) => 'e',
chr(225).chr(187).chr(136) => 'I', chr(225).chr(187).chr(137) => 'i',
chr(225).chr(187).chr(142) => 'O', chr(225).chr(187).chr(143) => 'o',
chr(225).chr(187).chr(148) => 'O', chr(225).chr(187).chr(149) => 'o',
chr(225).chr(187).chr(158) => 'O', chr(225).chr(187).chr(159) => 'o',
chr(225).chr(187).chr(166) => 'U', chr(225).chr(187).chr(167) => 'u',
chr(225).chr(187).chr(172) => 'U', chr(225).chr(187).chr(173) => 'u',
chr(225).chr(187).chr(182) => 'Y', chr(225).chr(187).chr(183) => 'y',
// tilde
chr(225).chr(186).chr(170) => 'A', chr(225).chr(186).chr(171) => 'a',
chr(225).chr(186).chr(180) => 'A', chr(225).chr(186).chr(181) => 'a',
chr(225).chr(186).chr(188) => 'E', chr(225).chr(186).chr(189) => 'e',
chr(225).chr(187).chr(132) => 'E', chr(225).chr(187).chr(133) => 'e',
chr(225).chr(187).chr(150) => 'O', chr(225).chr(187).chr(151) => 'o',
chr(225).chr(187).chr(160) => 'O', chr(225).chr(187).chr(161) => 'o',
chr(225).chr(187).chr(174) => 'U', chr(225).chr(187).chr(175) => 'u',
chr(225).chr(187).chr(184) => 'Y', chr(225).chr(187).chr(185) => 'y',
// acute accent
chr(225).chr(186).chr(164) => 'A', chr(225).chr(186).chr(165) => 'a',
chr(225).chr(186).chr(174) => 'A', chr(225).chr(186).chr(175) => 'a',
chr(225).chr(186).chr(190) => 'E', chr(225).chr(186).chr(191) => 'e',
chr(225).chr(187).chr(144) => 'O', chr(225).chr(187).chr(145) => 'o',
chr(225).chr(187).chr(154) => 'O', chr(225).chr(187).chr(155) => 'o',
chr(225).chr(187).chr(168) => 'U', chr(225).chr(187).chr(169) => 'u',
// dot below
chr(225).chr(186).chr(160) => 'A', chr(225).chr(186).chr(161) => 'a',
chr(225).chr(186).chr(172) => 'A', chr(225).chr(186).chr(173) => 'a',
chr(225).chr(186).chr(182) => 'A', chr(225).chr(186).chr(183) => 'a',
chr(225).chr(186).chr(184) => 'E', chr(225).chr(186).chr(185) => 'e',
chr(225).chr(187).chr(134) => 'E', chr(225).chr(187).chr(135) => 'e',
chr(225).chr(187).chr(138) => 'I', chr(225).chr(187).chr(139) => 'i',
chr(225).chr(187).chr(140) => 'O', chr(225).chr(187).chr(141) => 'o',
chr(225).chr(187).chr(152) => 'O', chr(225).chr(187).chr(153) => 'o',
chr(225).chr(187).chr(162) => 'O', chr(225).chr(187).chr(163) => 'o',
chr(225).chr(187).chr(164) => 'U', chr(225).chr(187).chr(165) => 'u',
chr(225).chr(187).chr(176) => 'U', chr(225).chr(187).chr(177) => 'u',
chr(225).chr(187).chr(180) => 'Y', chr(225).chr(187).chr(181) => 'y',

Nhìn lại thì xem ra cũng không tối ưu được nhiều lắm, chỉ là tổ chức tốt hơn, chia thành nhiều nhóm nhỏ.

Got anything to say? Go ahead and leave a comment!