您现在的位置：程式碼之家 >> 編程語言 > >> 網頁程式設計 >> PHP 程式設計 >> PHP 相關知識

PHP 正則提取字串中所有英文單詞：preg_match_all 配合 array_unique 去重排序

編輯：PHP 相關知識

PHP 從字串提取所有英文單詞：正則 + 去重 + 排序一體化函式

核心函式實作

<?php
/**
 * 從字串提取所有英文單詞
 *
 * @param string $str      輸入字串
 * @param bool   $distinct true=去重（預設），false=保留重複
 * @return array 單詞陣列（已按字母序排序）
 */
function split_en_str(string $str, bool $distinct = true): array {
    // 匹配連續英文字母（A-Z, a-z）
    preg_match_all('/([a-zA-Z]+)/', $str, $matches);
    $words = $matches[1] ?? [];
    
    if ($distinct) {
        $words = array_unique($words);
    }
    
    sort($words, SORT_STRING | SORT_FLAG_CASE); // 不分大小寫排序
    return array_values($words); // 重置索引
}
?>

使用範例

<?php
$text = "Hello World! This is a test. Hello again, world-of-PHP.";

// 預設：去重 + 排序
print_r(split_en_str($text));
/*
Array
(
    [0] => a
    [1] => again
    [2] => Hello
    [3] => is
    [4] => of
    [5] => PHP
    [6] => test
    [7] => This
    [8] => World
    [9] => world
)
*/

// 保留重複
print_r(split_en_str($text, false));
/*
Array
(
    [0] => a
    [1] => again
    [2] => Hello
    [3] => Hello
    [4] => is
    [5] => of
    [6] => PHP
    [7] => test
    [8] => This
    [9] => World
    [10] => world
)
*/
?>

正則模式細節

模式	匹配內容	說明
`/([a-zA-Z]+)/`	連續英文字母	基本單詞提取，忽略數字、底線、連字號
`/([a-zA-Z0-9_]+)/`	字母數字底線	類程式語言識別符
`/\b([a-zA-Z]+)\b/`	單詞邊界	避免部分匹配（如 "PHP5" 不匹配 "PHP"）
`/([a-zA-Z'-]+)/`	含撇號、連字號	支援 "don't", "mother-in-law"

進階：Unicode 支援（多語言單詞）

<?php
// 需 PHP 5.1+ PCRE Unicode 屬性支援
function split_unicode_words(string $str, bool $distinct = true): array {
    // \p{L} 匹配任意 Unicode 字母
    preg_match_all('/(\p{L}+)/u', $str, $matches);
    $words = $matches[1] ?? [];
    
    if ($distinct) $words = array_unique($words);
    
    // 區域感知排序
    setlocale(LC_COLLATE, 'zh_TW.utf8');
    uksort($words, 'strcoll');
    
    return array_values($words);
}

// 測試中英混雜
$text = "Hello 世界 PHP 程式設計 World 你好";
print_r(split_unicode_words($text));
/*
Array
(
    [0] => Hello
    [1] => PHP
    [2] => World
    [3] => 世界
    [4] => 你好
    [5] => 程式設計
)
*/
?>