将包含瑞典字符的字符串拆分为单词

Question

我正在尝试使用php函数preg_split将带有文本的字符串拆分成单词。

$words = preg_split('/\W/u',$text);

除了瑞典字符“åäö”外，它的工作良好。使用utf8_encode或decode也无法解决问题。我猜测preg_split仅适用于单字节字符，而瑞典字符是多字节字符。有没有其他方法可以解决这个问题？

- Martin

---

您也想用 Perl 实现吗？为什么要加 Perl 标签呢？ - Ether

啊，呵呵，不好意思，但Perl程序员通常更擅长正则表达式 :) - Martin

Answer 1

为什么要关注特定字符？

$text = "Jag har hört så mycket om dig.";
$words = explode(" ", $text);
/*
Array
(
    [0] => Jag
    [1] => har
    [2] => hört
    [3] => så
    [4] => mycket
    [5] => om
    [6] => dig.
)
*/

- Sampson

---

啊，我想原因是我想根据任何不是 a-ö 的内容进行拆分。但也许我可以循环遍历数组，然后这样做？ - Martin

Answer 2

mb_split 来拯救（我自己以前也遇到过这些问题，现在才找到答案 :)）

mb_regex_encoding('UTF-8');
mb_split('\W', $text);

HTH

- robertbasic