代码之家 › 专栏 › 技术社区 › Moak

正则表达式破坏中文字符串

cjk regex php

2

Moak · 技术社区 · 15 年前

当我运行这个代码和一些类似的中文时,ni(可能是其他的)会被切碎。

$sample = "ä½ ä¸åæ¬¢ é¦è å";
$parts = preg_split("/[\s,]+/", $sample);
var_dump($parts);

//outputs
array(4) {
  [0]=>
  string(2) "ï¿½"
  [1]=>
  string(9) "ä¸åæ¬¢"
  [2]=>
  string(6) "é¦è"
  [3]=>
  string(3) "å"
}

//in æè§å¾ ä½ å¾ éº»ç¦
//out
array(4) {
  [0]=>
  string(9) "æè§å¾"
  [1]=>
  string(2) "ï¿½"
  [2]=>
  string(3) "å¾"
  [3]=>
  string(6) "éº»ç¦"
}

我的正则表达式错了吗?

2 回复 | 直到 14 年前

1

6

Community Mohan Dere 9 年前

如果字符串是UTF-8格式,则必须使用 u

$sample = "ä½ ä¸åæ¬¢ é¦è å";
$parts = preg_split("/[\\s,]+/u", $sample);
var_dump($parts);

如果是另一种编码,请参阅unicoraddict的 answer .

2

0

codaddict 15 年前

mb_split