如何在PHP中拆分汉字？

Question

我需要一些关于如何在PHP中拆分混合了英文单词和数字的中文字符的帮助。

例如，如果我读到

FrontPage 2000中文版應用大全

我希望能得到

FrontPage, 2000, 中,文,版,應,用,大,全

或

FrontPage, 2,0,0,0, 中,文,版,應,用,大,全

我如何才能做到这一点？

提前感谢:)

Answer 1

假设您正在使用UTF-8 (或者您可以使用图标或其他工具将其转换为UTF-8 )，然后使用u修饰符(文档：http://www.php.net/manual/en/reference.pcre.pattern.modifiers.php )

<?
    $s = "FrontPage 2000中文版應用大全";
    print_r(preg_match_all('/./u', $s, $matches));
    echo "\n";
    print_r($matches);
?>

将会给予

21
Array
(
    [0] => Array
        (
            [0] => F
            [1] => r
            [2] => o
            [3] => n
            [4] => t
            [5] => P
            [6] => a
            [7] => g
            [8] => e
            [9] =>  
            [10] => 2
            [11] => 0
            [12] => 0
            [13] => 0
            [14] => 中
            [15] => 文
            [16] => 版
            [17] => 應
            [18] => 用
            [19] => 大
            [20] => 全
        )

)

请注意，我的源代码也存储在一个以UTF-8编码的文件中，以便$s包含这些字符。

以下字符将与字母数字作为一个组进行匹配：

<?
$s = "FrontPage 2000中文版應用大全";
print_r(preg_match_all('/(\w+)|(.)/u', $s, $matches));
echo "\n";
print_r($matches[0]);
?>

结果：

10
Array
(
    [0] => FrontPage
    [1] =>  
    [2] => 2000
    [3] => 中
    [4] => 文
    [5] => 版
    [6] => 應
    [7] => 用
    [8] => 大
    [9] => 全
)

Answer 2

    /**
     * Reference: http://www.regular-expressions.info/unicode.html
     * Korean: Hangul
     * CJK: Han
     * Japanese: Hiragana, Katakana
     * Flag u required
     */

    preg_match_all(
        '/\p{Hangul}|\p{Hiragana}|\p{Han}|\p{Katakana}|(\p{Latin}+)|(\p{Cyrillic}+)/u',
        $str,
        $result
    );

如果你使用的也是PHP7.0，这个也可以用。

这个不起作用。我很抱歉我支持了一个不可行的解决方案...

<?
    $s = "FrontPage 2000中文版應用大全";
    print_r(preg_match_all('/(\w+)|(.)/u', $s, $matches));
    echo "\n";
    print_r($matches[0]);
?>

Answer 3

使用此代码，您可以使中文文本(utf8)在行尾换行，以使其仍然可读

print_r(preg_match_all('/([\w]+)|(.)/u', $str, $matches));
$arr_result = array();

foreach ($matches[0] as $key => $val) {
    $arr_result[]=$val;
    $arr_result[]="​"; //add Zero-Width Space
} 
foreach ($arr_result as $key => $val) {
    $out .= $val;
} 
return $out;