Question

创建一个计算比str_word_count()更多语言的单词的函数的正确方法是什么？具体来说，我需要支持中文，日文和韩文。

我认为会是这样的：

以某种方式检查是否少于50％的字符是多字节的。如果为true，请使用str_word_count()并返回。
删除所有连续的字母数字字符，并为每个字符加1（假设这些是西方字）。
删除所有空格和标点符号。添加字符串长度以计算。
返回计数。

有更好的方法吗？我可以想到我头脑中的一些缺陷：重音字符，使用空格分隔单词的多字节语言（例如阿拉伯语，我相信）。

Answer 1

What about using ICU?通过intl扩展（类IntlBreakIterator）在PHP中进行接口。

这样的事情：

function utf8_word_count($string, $mode = 0) {
    static $it = NULL;

    if (is_null($it)) {
        $it = IntlBreakIterator::createWordInstance(ini_get('intl.default_locale'));
    }

    $l = 0;
    $it->setText($string);
    $ret = $mode == 0 ? 0 : array();
    if (IntlBreakIterator::DONE != ($u = $it->first())) {
        do {
            if (IntlBreakIterator::WORD_NONE != $it->getRuleStatus()) {
                $mode == 0 ? ++$ret : $ret[] = substr($string, $l, $u - $l);
            }
            $l = $u;
        } while (IntlBreakIterator::DONE != ($u = $it->next()));
    }

    return $ret;
}

（暗示启用了intl扩展，PHP＆gt; = 5.5.0）

str_word_count（）在PHP中与东方语言一起使用？

1 个答案: