如何将英文字母、数字和汉字分开？

Question

为了更好地说明这个问题，我将列出几个输入和期望的输出：

• 输入1：这个中文5142
• 输出1：数组(‘This’，'中文'，'5142')
• 输入2：This中文,5142
• 输出2：数组(‘This’，'中文'，'5142')

因此，基本上，输入字符串可以有空格，也可以没有空格，英文字母、数字和汉字的顺序是未知的，可以不止一次出现。

我发现这个可以在没有汉字的情况下完成工作(参考：Splitting string containing letters and numbers)：

$array = preg_split("/(,?\s+)|((?<=[a-z])(?=\d))|((?<=\d)(?=[a-z]))/i", $str);

我可以大致理解上面的正则表达式：

1. (，?\s+) -被空格分隔
2. (？<=a)(？=\d)--如果一个数字紧跟在字母后面，将它们分开
3. (?<=\d)(?=a-z) --如果一个字母紧跟在一个数字后面，那么将它们分开。

所以我天真地这样想:我总共需要做3件事：

1. 如果一个数字紧跟在一个字母或汉字后面，那么把它们分开。
2. 如果一个字母紧跟在一个数字或汉字后面，那么把它们分开。
3. 如果一个汉字紧跟在一个字母或数字后面，那么把它们分开。

为了达到一个目标，我想：

(?<=[a-z\x4E00-\x9FA5])(?=\d)

其中\x4E00-\x9FA5与汉字匹配。但这不管用！

Answer 1

要以显式的方式这样做，您可以使用：

$result = preg_split('~(?<!\p{Latin})(?=\p{Latin})|(?<!\p{Han})(?=\p{Han})|(?<![0-9])(?=[0-9])~u', $str, -1, PREG_SPLIT_NO_EMPTY);

(将每个边界上的字符串拆分)。注意，如果您只有三种类型的字符，您可以删除其中一个边界(一个您想要的)。

如果要从结果中删除空白，可以将所有内容放入一个非捕获组中，并在模式的开头添加\s*。

然而，使用preg_match_all可能会给出同样的结果，只需花费较少的精力：

if (preg_match_all('~\p{Latin}+|\p{Han}+|[0-9]+~u', $str, $matches))
    $result = $matches[0];

U修饰符强制正则表达式引擎将字符串作为UTF8字符串读取。