PHP Regex：搜索英语和阿拉伯语文本的文章

Question

代码示例

我正在搜索英语和阿拉伯语关键字的文章。 这些文章可以是英语或阿拉伯语。

我当前的代码是：

$k = implode("|", $keywords);
$regexp = "/(?i)\b(".$k.")\b/";
preg_match_all( $regexp, $content, $matches );

但由于某种原因，这在阿拉伯语文章中找不到关键字。我已经验证关键字和文章都被正确阅读；没有编码问题。

我可以做什么来解决这个问题？请注意，我无法检测文章或关键字是英语还是阿拉伯语，因此必须有一个正则表达式来匹配它们。

Answer 1

您的正则表达式可能只是缺少 /unicode 标志：

$regexp = "/(?i)\b(".$k.")\b/u";

否则 PCRE 必须比较字节。在这种情况下，它可能仍然能够找到单词（当 UTF-8 编码相同时），但永远不会检测到单词 \boundaries。

更新
好的 \b 实际上只检测 \w 边界（因此取决于区域设置而不是 /u 标志）。然后尝试使用断言：

$regexp = "/(?<!\p{L})(".$k.")(?!\p{L})/ui";