php中str_word_count统计单词数_php支持多语言与标点忽略统计方法-php教程-PHP中文网

php中str_word_count统计单词数_php支持多语言与标点忽略统计方法

絕刀狂花

发布： 2025-11-28 22:45:07

原创

274人浏览过

str_word_count函数适用于英文单词统计，支持三种模式：返回总数、单词数组或带位置的关联数组；但对中文等无空格分隔语言无效，需用正则preg_replace配合\p{L}和\p{N}清理标点并分割空白来粗略统计多语言文本；精确处理中文建议使用SCWS或Jieba分词扩展。

php中str_word_count统计单词数_php支持多语言与标点忽略统计方法

在PHP中，str_word_count() 函数常用于统计字符串中的单词数量。默认情况下，它主要针对英文文本设计，能识别由空格或标点分隔的字母组合为单词。但在处理多语言（如中文、日文、阿拉伯文等）或包含复杂标点符号的文本时，该函数的表现有限，需要结合其他方法进行优化。

str_word_count() 基本用法

该函数有三种返回模式：

0（默认）：返回单词总数
1：返回包含所有单词的数组
2：返回关联数组，键为单词起始位置，值为单词内容

$str = "Hello, welcome to PHP world!";
echo str_word_count($str); // 输出: 5
print_r(str_word_count($str, 1)); 
// 输出: Array ( [0] => Hello [1] => welcome [2] => to [3] => PHP [4] => world )

登录后复制

注意：该函数会忽略常见标点符号（如逗号、句号），但只对拉丁字母有效，无法识别中文、日文等非空格分隔语言的“单词”。

多语言支持问题与解决方案

对于中文、日文、泰文等语言，由于没有明显的单词边界（不像英文用空格分隔），str_word_count() 无法正确识别词汇。例如：

立即学习“PHP免费学习笔记（深入）”；

$str = "你好世界，欢迎使用PHP！";
echo str_word_count($str); // 输出: 0

登录后复制

这是因为 str_word_count 只识别 a-zA-Z 字符。要实现多语言单词或词语统计，需采用以下策略：

使用正则表达式匹配Unicode文字块：通过 preg_match_all 匹配各类语言的文字单位
按字符或词语切分中文文本：借助第三方分词库（如 SCWS 中文分词）
自定义规则过滤标点：去除或忽略常见标点符号后再统计

支持多语言与忽略标点的统计方法

以下是一个增强型函数，可统计多种语言的“词”或“字符组合”，并自动忽略常见标点：

Stable Diffusion 2.1 Demo

最新体验版 Stable Diffusion 2.1

101

查看详情

function count_words_multilingual($str) {
    // 移除标点符号，保留文字字符
    $clean = preg_replace('/[^\p{L}\p{N}\s]/u', ' ', $str);
    // 按空白字符分割，并过滤空项
    $words = preg_split('/\s+/u', $clean, -1, PREG_SPLIT_NO_EMPTY);
    return count($words);
}

// 示例
$text = "Hello, 你好！مرحبا، ? 123";
echo count_words_multilingual($text); // 输出: 5

登录后复制

说明：