PHP str_word_count 怎样取得英文单词的位置索引

如果你需要知道英文单词在原字符串中的位置，直接把 str_word_count() 的第二个参数设为 2。返回值是一个关联数组：键是单词在字符串中的数值偏移，值是识别出的单词。这个结果适合做高亮、定位或把单词和原文坐标对应起来。

官方地址：https://www.php.net/manual/en/function.str-word-count.php

PHP str_word_count($text, 2) 会返回“位置偏移 => 单词”的数组；位置不是第几个单词，而是它在原字符串中的偏移。英文场景下可直接使用，涉及中文或其他多字节文本时应换用支持 UTF-8 的方案。

format=2 的返回数组如何理解

format 为 0 时只统计数量，1 时返回单词列表，2 才保留每个单词在原字符串中的位置。下面的键 0、6 和 10 表示字符片段在这段英文字符串中的起点，不是单词序号。

 $word) {
    echo sprintf("offset=%d word=%s\n", $offset, $word);
}
?>

offset=0 word=Hello
offset=6 word=PHP
offset=10 word=tutorial

因此，想取第一个单词可以使用 array_key_first()，想根据位置读取单词则直接访问关联数组。不要用 $wordsWithOffset[1] 推断第二个单词，因为第二个键通常是它在原字符串中的真实偏移。

为什么位置索引看起来不连续

空格和标点不是返回数组的元素，所以它们会让下一个单词的偏移跳跃。重复单词也会有不同的键，因为键描述的是它们各自在原文中的位置，而不是去重后的单词表。

还要区分“单词序号”和“字符串偏移”：下面的遍历顺序可以表示第几个结果，但 $offset 才是回到原文时使用的坐标。

 $word) {
    // offset 用于定位原文，ordinal 只用于展示顺序。
    printf("第%d个：offset=%d，word=%s\n", $ordinal, $offset, $word);
    $ordinal++;
}
?>

如果要在原文中包裹标签或做高亮，应按偏移从后往前处理，避免前面的插入内容改变后续坐标。只做查询时则保留原始字符串和偏移数组即可，不必重新拼接文本。

characters 参数能补充哪些英文字符

PHP 手册把“单词”定义为以字母为主的字符串；可选的 characters 参数可以把额外字符加入识别范围。比如版本号、带连字符的英文标识或带撇号的词，需要先明确业务规则，再把允许字符作为第三个参数传入。

 单词”的映射，方便后续高亮或索引。
print_r($wordsWithOffset);
?>

这个参数只是在既有规则上补充字符，不会把函数变成通用 Unicode 分词器。官方文档明确说明多字节 locale 不受支持，所以中文、带重音字符的复杂文本或需要按 Unicode 字素定位的场景，应使用正则和 mbstring 等专门方案。

PHP 8 的边界与落地清单

在 PHP 8 中，format 不是 0、1 或 2 时会抛出 ValueError；调用边界可以先固定参数，或在服务层捕获异常。若代码需要对外接受格式参数，不要把任意整数直接传给函数。

最后记住三点：需要位置就用 format=2；位置键不是单词序号；多字节文本不要把 str_word_count() 当作 Unicode 分词器。

相关问题

如何只取得单词数量？

使用 str_word_count($text, 0)，返回整数。若要保留单词内容或位置，应改用 1 或 2。

为什么中文文本用 str_word_count 结果不符合预期？

该函数的单词定义以字母规则为基础，且官方说明不支持多字节 locale。中文分词或 UTF-8 字符定位应选择面向 Unicode 的正则、分词库和 mbstring 组合。