「すべての漢字を取り出す正規表現」をPHPで試す、を正しく行う:phpspot開発日誌

Information Flow and Stock: [PHP] mb_ereg()じゃない、preg_match_all()に/uをつけるんだ！ なので、できる限りpreg系の関数を使いたいわけですが、検索対象や検索パターンに日本語が含まれているときは、日本語処理に対応したereg系の関数であるmb_ereg系の関数が使われることが多いようです。 以前、「すべての漢字を取り出す正規表現」をPHPで試す、を正しく行う方法。 以前はmb_eregによる方法を示しましたが、次の方法の方がうまく動作するようです。 preg_match_all('/[一-龠]+|[ぁ-ん]+|[ァ-ヴー]+|[a-zA-Z0-9]+|[ａ-ｚＡ-Ｚ０-９]+/u', $strToSplit, $aMatches); print_r($aMatches); // マッチ結果が全出力 確かに、なぜか取れない漢字があ

[moerrari]

すべての漢字を指定

[webmarksjp]

php

[s00516]

はしご高みたいな特殊な漢字は取れないみたいだ。(そういうのも取るなら正規表現修正) / 一般的な地名(蝦夷、亜細亜)なんかも取れなかったので…亜-腕、弌-熙の範囲も足すとベストでしょう。

[sumipan]

utf-8の検索

[kazukiy]

全ての漢字を検出するための正規表現

[smotokezuru]

[

[lockcole]

/uオプションでUTF-8扱いになる。これを使ってpreg_match_all()で漢字のみを取り出す正規表現を記述。従来のやりかたよりも少ないコード量で，しかも確実に漢字を取り出すことが出来るようになったとのこと。

[loosecontrol]

[[japanese]

[onyx-pig]

漢字を取り出すらし

[Lhankor_Mhy]

あとで使いそう。メモ。

[oooooooo]

preg_match_all('/[一-龠]+|[ぁ-ん]+|[ァ-ヴー]+|[a-zA-Z0-9]+|[ａ-ｚＡ-Ｚ０-９]+/u', $strToSplit, $aMatches);

[designstalker]

簡易形態素解析として使えそう