PHP 实现给中文之间加空格问题，有木有大神会的

[3132702442]

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

[yplam]

感觉 preg_replace 就可以，用字节序列的方式去匹配

[jarlyyn]

中文的标准是什么？

[3132702442]

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]

用结巴分词吧

[maskerTUI]

preg_replace + 正则匹配可以做到

[3132702442]

结巴分词是什么？

[em70]

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]

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

[3132702442]

@KylinRoc 你提供的这个的话算是单词句子分句吧？

[KylinRoc]

@3132702442 看错了你的需求……

[3132702442]

@KylinRoc 呃呃

[ic2y]

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

[ic2y]

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

[wudanyang]

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]

$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]

@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]

@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]

想结帖了。。。

[3132702442]

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;
}
```