php正则表达式按字符拆分中文文本

Question

例如，客户端请求的字符串如下：

我学习中国的语言, 国的语言.

我想得到一个字符数组，包括空格、逗号、点等等，所以基本上我需要按字符细分如下：

$characters = [
    "我", "学", "习", "中", "国", "的", "语", "言", ",", " ", "国", "的","语","言"
]

我想我需要使用一些多字节函数，因为汉字可以占用3个或更多字节。我能用什么regexp表达式来得到那个数组？

Answer 1

使用preg_match_all

preg_match_all('~.~u', $str, $match);

.匹配任何字符，但不匹配换行符。但是当使用. DOTALL修饰符时，相同的s将匹配任何字符甚至换行。由于输入包含Unicode字符，所以必须启用u修饰符。

或

通过preg_split

$str = "我学习中国的语言, 国的语言.";
$split = preg_split('~(?<=.)(?=.)~u', $str);
print_r($split);

示例：

$str = "我学习中国的语言, 国的语言.";
preg_match_all('~.~u', $str, $match);
print_r($match);

输出：

Array
(
    [0] => Array
        (
            [0] => 我
            [1] => 学
            [2] => 习
            [3] => 中
            [4] => 国
            [5] => 的
            [6] => 语
            [7] => 言
            [8] => ,
            [9] =>  
            [10] => 国
            [11] => 的
            [12] => 语
            [13] => 言
            [14] => .
        )

)