php - 使用 preg_match_all 从字符串中提取单词

Question

我不擅长正则表达式，但我想用它从字符串中提取单词。

我需要的单词至少应有 4 个字符，并且提供的字符串可以是 utf8。

示例字符串:

Sus azahares presentan gruesos pétalos blancos teñidos de rosa o violáceo en la parte externa, con numerosos estambres (20-40).

期望的输出:

Array(
    [0] => azahares
    [1] => presentan
    [2] => gruesos
    [3] => pétalos
    [4] => blancos
    [5] => teñidos
    [6] => rosa
    [7] => violáceo
    [8] => parte
    [9] => externa
    [10] => numerosos
    [11] => estambres
)

Answer 1

如果要查找的单词是 UTF-8(根据规范，至少 4 个字符长)，由 ISO-8859-15 的字母字符组成(这适用于西类牙语，也适用于英语、德语)，则此方法有效、法语等):

$n_words = preg_match_all('/([a-zA-Z]|\xC3[\x80-\x96\x98-\xB6\xB8-\xBF]|\xC5[\x92\x93\xA0\xA1\xB8\xBD\xBE]){4,}/', $str, $match_arr);
$word_arr = $match_arr[0];