PHP 实现给中文之间加空格问题，有木有大神会的

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

已注册用户请登录

这是一个创建于 2520 天前的主题，其中的信息可能已经有所发展或是发生改变。

我要用 PHP 实现给一行字符串中，前面和后面是中文、中文符号的时候就加空格，是英文、数字、英文符号的时候就不加，例子：

原来：这个是一些什么汉子。
转后：这 个 是 一 些 什 么 汉 子 。
-----------------------------------
原来：这个是 ui 一些什 b 么汉子。
转后：这 个 是 ui 一 些 什 b 么 汉 子 。
-----------------------------------
原来：这个是 ui 一 些 999 什 A 么汉子。
转后：这 个 是 ui 一 些 999 什 A 么 汉 子 。

然后 PHP 文件是 gbk 的编码，对于的中文也是 gbk

PHP

汉子

gbk

中文

19 条回复 • 2017-06-12 14:56:14 +08:00

yplam

2017-06-07 10:35:04 +08:00

感觉 preg_replace 就可以，用字节序列的方式去匹配

jarlyyn

2017-06-07 10:37:01 +08:00

中文的标准是什么？

3132702442

2017-06-07 11:15:49 +08:00

中文的标准是就是这些汉子啥，还有一些汉子的符号，比如《：、“ [等等之类的，不知道我描述对了没

Nicksxs

2017-06-07 11:23:04 +08:00

用结巴分词吧

maskerTUI

2017-06-07 11:28:46 +08:00

preg_replace + 正则匹配可以做到

3132702442

2017-06-07 12:05:24 +08:00

结巴分词是什么？

em70

2017-06-07 12:09:03 +08:00 via Android

一个正则就搞定了啊，下面是匹配汉字的表达式
/^[\x{4e00}-\x{9fa5}]+$/u

KylinRoc

2017-06-07 12:14:29 +08:00

https://github.com/Rakume/pangu.php

3132702442

2017-06-07 14:09:05 +08:00

@KylinRoc 你提供的这个的话算是单词句子分句吧？

KylinRoc

2017-06-07 14:33:53 +08:00

@3132702442 看错了你的需求……

3132702442

2017-06-07 14:34:55 +08:00

@KylinRoc 呃呃

ic2y

2017-06-07 17:06:57 +08:00

http://php.net/manual/zh/function.mb-split.php mb_split

ic2y

2017-06-07 17:15:06 +08:00

@3132702442 跟 gbk utf8 之类的编码相关的，基本都是 mb_xxx 开头的

wudanyang

2017-06-07 18:41:57 +08:00

我提供个思路, 将字符串转为数组, 然后对数组的元素判断是否为 [数字 /字母 /符号]:

```
function ch2arr($str)
{
$length = mb_strlen($str, 'utf-8');
$array = [];
for ($i=0; $i<$length; $i++)
$array[] = mb_substr($str, $i, 1, 'utf-8');
return $array;
}

$str = '这个是 ui 一些什 b 么汉子。';

$arr= ch2arr($str);
var_dump($arr);

$pattern = '/^[\s\w+]$/';
foreach ($arr as $key => $value) {
echo !preg_match($pattern, $value) && !preg_match($pattern, $arr[$key+1]) ? $value.' ' : $value;
}
```

实际证明, 中文的句号后面都有个空格.

hanzhao

2017-06-07 19:45:10 +08:00

$str = '这个是 ui 一些 999 什 A 么汉子。';

$str = preg_replace("/([\x{4e00}-\x{9fa5}])/u", "\\1 ", $str);
$res = preg_replace ( "/\s(?=\s)/","\\1", $str); //这个是 ui 一些 999 什 A 么汉子。

utf-8 下可行，没试 GBK 下的情况。

3132702442

2017-06-08 10:24:06 +08:00

@hanzhao utf 文件下面我有个代码是可行的，但是 gbk 的我还没找到。

utf8 文件的 php 可行代码：

···
function str_split_unicode($str, $l = 0) {
if ($l > 0) {
$ret = array();
$len = mb_strlen($str, "GBK");
for ($i = 0; $i < $len; $i += $l) {
$ret[] = mb_substr($str, $i, $l, "GBK");
}
return $ret;
}
return preg_split("//u", $str, -1, PREG_SPLIT_NO_EMPTY);
}

$s = '言归正传，我要用 PHP 实现给一行字符 q1 串 gfg 中，前面和后面是中文、中文符 11 号的时候就加 333 空格，是英文、数字、英文符号的时候就不加';
$a = str_split_unicode($s);
$asii = range('!', '~');
$is_ascii = true;
foreach ($a as $value) {
if (in_array($value, $asii)) {
echo $value;
$is_ascii = true;
}else{
echo $is_ascii ? '' : ' ' , $value;
$is_ascii = false;
}
}···

3132702442

2017-06-08 10:26:28 +08:00

@wudanyang 嗯，你这思路我基本上也是这么想的，去判断前后是不是中文，然后加空格，然后 gbk 中文这种的不好分割啊，分割之后就是乱码了。

3132702442

2017-06-12 11:10:45 +08:00

想结帖了。。。

3132702442

2017-06-12 14:56:14 +08:00

最新可行代码：
```
function set_kg_webname($str,$symbol = ' '){
$sss = '';
$arr = ch2arr($str);
foreach ($arr as $i=>$ch){
if(preg_match('/[\x80-\xff]+/',$ch) && preg_match('/[\x80-\xff]+/',$arr[($i-1)])){
$sss .=$symbol.$ch;
} else{
$sss .=$ch;
}
}
return $sss;
}

function ch2arr($str){
$array = array();
$hou=array("","","","","");
$qian=array(" ","　","\t","\n","\r");
$str = str_replace($qian,$hou,$str);
$length = mb_strlen($str, 'gbk');
if($length<9)return $array;
for ($i=0; $i<$length; $i++)
$array[] = mb_substr($str, $i, 1, 'gbk');
return $array;
}
```