preg_split в режиме Unicode: delim_capture не работает?

Question

Я пытаюсь использовать регулярное выражение, чтобы разбить кусок китайского текста на предложения.Для моих целей разделителями предложений являются:

• полная остановка полной ширины。 (0x3002)
• вопросительный знак полной ширины？ (0xFF1F)
• восклицательный знак полной ширины！(0xFF01)

Теперь предположим, что мой $ str такой: $str = "你好。你好吗？ 我是程序员，不太懂这个我问题，希望大家能够帮忙！一起加油吧！";

Я использую preg_split со следующими параметрами:

$str2 = preg_split("/([\x{3002}\x{FF01}\x{FF1F}])/u",$str,PREG_SPLIT_DELIM_CAPTURE|PREG_SPLIT_NO_EMPTY);

$ str2 isтеперь массив выглядит следующим образом:

array(3) { [0]=> string(6) "你好" [1]=> string(9) "你好吗" [2]=> string(91) " 我是程序员，不太懂这个我问题，希望大家能够帮忙！一起加油吧！" }

Однако ожидаемый результат:

[0] "你好。" 
[1] "你好吗？"
[2] "我是程序员，不太懂这个我问题，希望大家能够帮忙！"
[3] "一起加油吧！"

Как видите, есть две проблемы: это не обрабатывает восклицательные знаки должным образоми, во-вторых, исчезают мои вопросительные знаки полной остановки и полной шириныЯ ожидаю, что delim_capture сохранит их.Я так долго смотрю на этот код, что не могу понять, в чем проблема.Я был бы очень признателен за предложения.

Answer 1

Ваш код регулярного выражения должен быть таким, чтобы можно было захватить строку + разделитель:

$str = "你好。你好吗？ 我是程序员，不太懂这个我问题，希望大家能够帮忙！一起加油吧！";
$arr = preg_split("/\s*([^\x{3002}\x{FF01}\x{FF1F}]+[\x{3002}\x{FF01}\x{FF1F}]\s*)/u",
                  $str, 0, PREG_SPLIT_DELIM_CAPTURE|PREG_SPLIT_NO_EMPTY );
var_dump($arr);

ВЫВОД:

 array(4) {
  [0]=> string(9)  "你好。"
  [1]=> string(13) "你好吗？ "
  [2]=> string(72) "我是程序员，不太懂这个我问题，希望大家能够帮忙！"
  [3]=> string(18) "一起加油吧！"
}

Answer 2

Вам не хватает параметра $limit для preg_split().

массив preg_split (строка $ pattern, строка $ subject [, int $ limit = -1 [, int $ flags = 0]])

В результате вы передаете PREG_SPLIT_DELIM_CAPTURE (2) + PREG_SPLIT_NO_EMPTY (1) = 3 как $limit. Вот почему он останавливается в три.

Добавьте null в качестве параметра $limit, и вы в хорошей форме.

preg_split($pattern, $str, null, PREG_SPLIT_DELIM_CAPTURE|PREG_SPLIT_NO_EMPTY)