如何分割英文字母，数字和汉字？

Question

为了更好地说明这个问题，我将列出几个输入以及所需的输出：

• 输入1：本中文5142

• OUTPUT 1：数组（'This'，'中文'，'5142'）

• 输入2：本中文，5142

• OUTPUT 2：数组（'This'，'中文'，'5142'）

基本上，输入字符串可以有空格，英文字母，数字和汉字的顺序是未知的，可以多次出现。

我找到了一个可以在没有中文字符的情况下完成工作的人（参考：Splitting string containing letters and numbers）：

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

我可以粗略地理解上面的正则表达式：

1. （，？？s +） - 用空格分隔
2. （？＆lt; = [a-z]）（？= \ d） - 如果一个数字在一个字母后面，则拆分它们
3. （？＆lt; = \ d）（？= [a-z]） - 如果一个字母在一个数字后面，则将它们分开

所以我天真地想这样：我需要做三件事：

1. 如果一个数字正好在一个字母或中文字符之后，将它们分开
2. 如果一封信正好在一个数字或中文字符之后，将它们分开
3. 如果一个汉字正好在一个字母或数字之后，将它们分开

为了达到1，我的想法是这样的：

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

其中\ x4E00- \ x9FA5是匹配中文字符。但这不起作用！

Answer 1

要以明确的方式执行此操作，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);

（在每个边界上拆分字符串）。请注意，如果您只有三种字符，则可以删除其中一个边界（您想要的边界）。

如果要从结果中删除空格，可以将所有空格放在非捕获组中，并在模式的开头添加\s*。

然而，使用preg_match_all可以用更少的努力得到相同的结果：

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。