正则表达式破坏中文字符串

Question

当我运行这段代码和类似的一些中文时，ni（你）字符（也许其他）被砍掉并损坏。

$sample = "你不喜欢 香蕉 吗";
$parts = preg_split("/[\s,]+/", $sample);
var_dump($parts);

//outputs
array(4) {
  [0]=>
  string(2) "�"
  [1]=>
  string(9) "不喜欢"
  [2]=>
  string(6) "香蕉"
  [3]=>
  string(3) "吗"
}

//in 我觉得 你很 麻烦
//out
array(4) {
  [0]=>
  string(9) "我觉得"
  [1]=>
  string(2) "�"
  [2]=>
  string(3) "很"
  [3]=>
  string(6) "麻烦"
}

我的正则表达式是否错误？

Answer 1

如果您的字符串采用 UTF-8 格式，则必须使用 u 修饰符：

$sample = "你不喜欢 香蕉 吗";
$parts = preg_split("/[\\s,]+/u", $sample);
var_dump($parts);

如果采用其他编码，请参阅 unicornaddict 的 答案。

Answer 2

由于输入字符串是多字节的，我想你必须使用 mb_split 代替 preg_split。