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

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。

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 )

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：

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

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：

AliGenie 天猫精灵开放平台

天猫精灵开放平台

156 查看详情 AliGenie 天猫精灵开放平台

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

说明：

\p{L} 匹配任意语言的字母（包括中文、阿拉伯文、俄文等）
\p{N} 匹配数字
u 修饰符启用UTF-8模式
先清理标点，再以空格类字符分割，模拟“单词”概念

此方法虽不能精确分词（如中文仍按单字或连续字块处理），但可用于粗略统计文本中的语言单元。

进阶建议：结合分词扩展

若需精确处理中文，推荐使用：

SCWS（Simple Chinese Word Segmentation）：专为中文设计的分词引擎，PHP 有扩展支持
Jieba 分词（PHP移植版）：基于Python Jieba 的PHP实现，支持精准模式分词

这些工具能将“我喜欢编程”正确切分为 ["我", "喜欢", "编程"]，从而实现真正意义上的“词”统计。

基本上就这些。str_word_count 适合英文环境，多语言场景需依赖正则或专用分词工具来准确统计。关键是根据语言类型选择合适的方法，并合理处理标点干扰。

以上就是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的详细内容，更多请关注其它相关文章！

# 你好 # 鹿寨附近网站建设推广 # 高权重网站代发帖推广 # 北碚区的网站建设费用 # 确山网站网络推广服务商 # 正规网站建设公司外包 # seo自助建站平台 # 孔乙己教案网站建设 # 南京网站建设开发公司 # 新产品营销推广流程图 # 营销推广分哪些类别的 # 切分 # php # 进阶 # 是一个 # 俄文 # 英文 # 日文 # 阿拉伯文 # 多语言 # 工具 # 正则表达式 # python # word

相关栏目：【 Google疑问12 】【 Facebook疑问10 】【优化推广96088 】【技术知识133117 】【 IDC资讯59369 】【网络运营7196 】【 IT资讯61894 】

2025-11-28

4008744355

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

str_word_count() 基本用法

多语言支持问题与解决方案

支持多语言与忽略标点的统计方法

进阶建议：结合分词扩展

了解您产品搜索量及市场趋势，制定营销计划

同行竞争及网站分析保障您的广告效果

提交您的需求，1小时内享受我们的专业解答。

运城市盐湖区信雨科技有限公司

4008744355

服务/方案/案例/支持

关于我们

Notice