PHP提取字符串中所有英文单词的方法

宋时安

发布时间：2026-10-14 | 2人浏览过

原创

在PHP开发中，有时需要从包含标点符号、数字或其他字符的长文本中分离出纯净的英文单词。利用内置的正则扩展功能，可以高效地实现这一需求，并可进一步进行去重和排序处理。

核心实现逻辑

要提取字符串中的单词，关键在于定义什么是“单词”。通常意义上，纯英文单词仅包含 a-z 和 A-Z 字符。
我们可以编写一个通用的 PHP 函数，配合正则表达式完成匹配与过滤工作。

第1步：定义正则匹配规则

使用 preg_match_all 函数扫描整个字符串。正则表达式 /([a-zA-Z]+)/ 表示：
- [a-zA-Z]：匹配任意一个大小写英文字母。
- +：表示前面的字符出现一次或多次（即至少连续两个字母才算一个单词）。
- 外层括号 ()：用于捕获匹配到的完整单词子串。

第2步：构建处理函数

将上述逻辑封装为函数，便于复用。为了增强实用性，函数应支持以下功能：
1. **提取**：返回所有匹配的原始单词。
2. **去重**：可选参数 $distinct，若为 true 则剔除重复单词。
3. **排序**：统一按字母表顺序排列结果，保证输出一致性。

<?php
/**
 * 从字符串中提取所有英文单词
 *
 * @param string $str 待处理的输入字符串
 * @param bool $distinct 是否需要去重，默认为 true
 * @return array 提取出的单词数组
 */
function split_en_str($str, $distinct = true) {
    // 使用正则匹配所有连续的英文字母序列
    preg_match_all('/([a-zA-Z]+)/', $str, $match);
    
    // 检查是否有匹配结果
    if (empty($match[1])) {
        return [];
    }

    // 如果开启去重模式，移除重复元素
    if ($distinct == true) {
        $match[1] = array_unique($match[1]);
    }
    
    // 对单词列表进行自然排序
    sort($match[1]);
    
    return $match[1];
}
?>

第3步：测试与验证

传入一段包含中英文混合内容的示例字符串进行调用：

$text = "Hello world! This is a test. Python & PHP are popular.";
$result = split_en_str($text, true);

print_r($result);
// 输出结果为去重且排序后的数组：
// Array
// (
//     [0] => Hello
//     [1] => PHP
//     [2] => Python
//     [3] => Test
//     [4] => are
//     [5] => is
//     [6] => popular
//     [7] => this
//     [8] => world
// )

注意事项与排错

非英语字符识别：当前正则仅识别 ASCII 字符集中的英文字母。如果文本中包含德语变音符号或需要支持 Unicode 多语言（如中文、日文等非拉丁字符），需调整正则表达式或使用更复杂的编码处理库。
性能考量：对于极长的大文本文件，建议先进行分块处理或确保服务器有足够的内存存放中间数组变量。
空结果处理：当输入字符串不包含任何符合规则的英文单词时，函数会返回空数组，调用方需注意判断返回值类型。