php - 使用 str_word_count() 支持特殊字符

Question

str_word_count()函数返回一个数组，该数组包含字符串中的所有单词。它工作得很好，除非使用特殊字符。在这种情况下，php 脚本通过查询字符串接收字符串:

当我打开时: http://localhost/index.php?q=this%20wórds

header('Content-Type: text/html; charset=utf-8');
print_r(str_word_count($_GET['q'],1,'ó'));

而不是返回:

[0] this
[1] wórds

...它返回:

[0] this
[1] w
[2] rds

这个函数如何支持那些通过查询字符串发送的特殊字符？

更新 - 使用 mario 结果很好的解决方案:

function sanitize_words($string) {
    preg_match_all("/\p{L}[\p{L}\p{Mn}\p{Pd}'\x{2019}]*/u",$string,$matches,PREG_PATTERN_ORDER);
    return $matches[0];
}

Answer 1

不确定第三个参数是否足以使 str_word_count 用于非 ASCII 符号。如果有的话，它可能只适用于 Latin-1。

作为替代方案，您可以使用正则表达式计算字数:

$count = preg_match_all('/\pL+/u', $_GET['q'], $matches);

这至少适用于 UTF-8。要完全复制 str_word_count，您最终可能需要 [\pL']+。