PHP如何按段落分割文本详解

本文深入剖析了PHP中按段落准确分割文本的核心难点与最佳实践，直击explode("\n\n")在跨平台换行符（Windows的\r\n、Mac的\r、混合格式及含空白的\n\s*\n）下极易失效的痛点，强调必须先统一归一化换行符为\n，再使用preg_split("/\n\s*\n/", ..., PREG_SPLIT_NO_EMPTY)实现健壮、兼容、零空段落的分割；同时警示避免已废弃且不可靠的mb_split，并指出前置清理HTML/Markdown残留、编码归一化及多字节安全处理等关键环节——掌握这一套方法，才能真正让段落分割在真实业务场景中稳定落地。

用 preg_split 按双换行符分割最可靠

PHP 默认的 explode 对双换行符（"\n\n"）分割容易出错，尤其在 Windows（"\r\n\r\n"）、Mac（"\r\r"）或混合换行场景下会漏切或切错。必须统一处理换行符再分割，preg_split 是唯一能跨平台稳定识别“空白段落分隔”的方式。

实操建议：

• 先用 str_replace 把所有换行组合归一化为 "\n"，再用正则匹配连续两个及以上 \n
• 推荐正则模式："/\n\s*\n/" —— 容忍中间可能存在的空格、制表符，避免因格式污染导致分割失败
• 加上 PREG_SPLIT_NO_EMPTY 标志，自动过滤空段落（比如开头或结尾多余换行）

$text = "第一段。\n\n  \n第二段。\r\n\r\n第三段。";
$paragraphs = preg_split("/\n\s*\n/", str_replace(["\r\n", "\r"], "\n", $text), -1, PREG_SPLIT_NO_EMPTY);
// 结果：["第一段。", "第二段。", "第三段。"]

别直接用 explode("\n\n", $text)

看似简单，但实际几乎总是失效。因为真实文本中的“双换行”极少是纯 "\n\n"；更多是 "\n\r\n"、"\r\n\r\n"、甚至带空格的 "\n \n"。一旦遇到，explode 就完全无法识别分隔点。

常见错误现象：

• 整段文本被当成一个元素返回（count($arr) === 1）
• 分割位置偏移，把段落末尾的换行误吞进上一段内容里
• Windows 服务器上正常，Linux 下失效（换行符差异暴露）

用 mb_split？不，它不支持多字节正则且已废弃

mb_split 看似支持多字节，但它底层调用 PCRE 的方式受限，不能正确处理 \s 或 Unicode 空白，且 PHP 8.2+ 已标记为废弃。强行使用会触发 E_DEPRECATED 警告，且在含中文、日文段落时大概率切错位置。

替代方案只有两条路：

• 坚持用 preg_split + mb_ereg_replace（不推荐，性能差）
• 统一转为 UTF-8 后用标准 preg_split（推荐，兼容性好，速度稳定）

如果文本编码不确定，先用 mb_detect_encoding 判定，再 mb_convert_encoding 归一化。

注意段落首尾空白和富文本残留

用户粘贴的文本常含 HTML 换行标签（
、

）或 Markdown 段落空行，单纯按换行符切会把标签当内容保留。这不是分割逻辑的问题，而是前置清洗没做。

若输入源不可控，务必加一步清理：

• 用 strip_tags 去除 HTML 标签（保留换行）
• 用 preg_replace('/<[^>]+>/', ' ', $text) 替换标签为空格，再 trim 多余空白
• 对 Markdown，优先用专用解析器（如 erusev/parsedown）转纯文本再分割

跳过这步，后面再怎么调正则，切出来的段落里都可能带着

这种东西。

今天关于《PHP如何按段落分割文本详解》的内容介绍就到此结束，如果有什么疑问或者建议，可以在golang学习网公众号下多多回复交流；文中若有不正之处，也希望回复留言以告知！