str_word_count() 用于非拉丁单词？

Question

我试图计算用非拉丁语言（保加利亚语）编写的变量中的单词数。但似乎 str_word_count() 没有计算非拉丁单词。 php文件的编码是UTF-8

$str = "текст на кирилица";
echo 'Number of words: '.str_word_count($str);
//this returns 0

Answer 1

您可以使用正则表达式来做到这一点：

$str = "текст на кирилица";
echo 'Number of words: '.count(preg_split('/\s+/', $str));

这里我将单词分隔符定义为空格字符。如果可能有其他内容被视为单词分隔符，您需要将其添加到正则表达式中。

另请注意，由于正则表达式中没有 utf 字符（不是字符串） - 不需要 /u

 修饰符。但如果您希望一些 utf 字符充当分隔符，则需要添加此正则表达式修饰符。

更新：

如果您只想在单词中处理

西里尔字母，您可以使用：

$str = "текст 
на 12453
кирилица";
echo 'Number of words: '.count(preg_split('/[^А-Яа-яЁё]+/u', $str));

Answer 2

这是我想到的解决方案：

$var = "текст на кирилица с пет думи";
$array = explode(" ", $var);

$i = 0;
foreach($array as $item) 
    {
    if(strlen($item) > 2) $i++ ;
    }

echo $i; // will return 5

Answer 3

正如

str_word_count

描述中所述

'word' 被定义为依赖于语言环境的字符串

致电前指定保加利亚语言环境

str_word_count

setlocale(LC_ALL, 'bg_BG');
echo str_word_count($content);

阅读更多关于

setlocale

这里。

Answer 4

我

发现的最佳解决方案是为字数统计功能提供字符列表：

$text = 'текст на кирилице and on english too';
$count = str_word_count($text, 0, 'АБВГДЕЁЖЗИЙКЛМНОПРСТУФХЦЧШЩЪЫЬЭЮЯабвгдеёжзийклмнопрстуфхцчшщъыьэюя');
echo $count; // => 7

Answer 5

有一个简单而优雅的方法可以做到这一点，就是使用 transliterator_transliterate:

$str = "текст на кирилица";
'Number of words: '.str_word_count(transliterator_transliterate('Any-Latin; Latin-ASCII;', $str));

//this returns 3