Форум PHP

Попытка применить str_word_count к строке, содержащей текст, написанный русскими буквами, приводит к тому, что в выходной массив попадают одни обрывки слов и отдельные буквы.

Пример

<?php $page_contents = "Однажды в студеную зимнюю пору я из лесу вышел - был сильный мороз"; $words_arr = str_word_count($page_contents, 1); print "<PRE>"; print_r($words_arr); print "</PRE>"; ?>

Вот это получаю на выходе

Array (     [0] => а     [1] => ы     [2] => в     [3] => е     [4] => з     [5] => м     [6] => р     [7] => з     [8] => ле     [9] => вы     [10] => ел     [11] => был     [12] => л     [13] => ы     [14] => м     [15] => р     [16] => з )

Помогите, плз, кто чем может!

$words_arr = explode(" ", $page_contents);

А если в тексте полно хлама, помимо пробелов, а нужно получить массив слов, содержащих только буквы, дефисы, знаки подчеркивания и цифры?

А под хламом что имеется ввиду? Можно формализовать пробельные символы при помощи регулярных выражений

<?php   $words_arr = preg_split("|[\s]+|s", $page_contents); ?>

Мне бы хотелось сделать аналог функции str_word_count(), которая у меня (пакет Денвер-2) почему-то не работает, точнее работает, но не корректно. Искомая функция должна излечь из строки все слова, а точнее последовательности символов содержащие буквы английского и русского алфавитов и содержащие (но не начинающиеся с них) символы "одиночная кавычка" и "дефис" (ну и возможно "апостроф"). То есть символы типа {}[]()=+&^%$#@!/><\:;~ не должны встречаться в слове. А слова могут иметь вид:

abc abc-abc abc's

Я попробую предложенный вами вариант, похоже это единственное верное решение. Но все-таки не понятно, почему str_word_count() дала такой результат. Вы не могли бы мне объяснить?

И еще попутно вопрос: в перловых регулярных выражениях можно использовать любые ограничители (вы использовали '|')?

Не корректность str_word_count() в чём выражается?

В том, что в массив попадают не слова, а их отдельные части (см. первое сообщение).

Попробуйте настроить локаль
http://www.softtime.ru/forum/read.php?id_forum=1&id_theme=13537
http://www.softtime.ru/forum/read.php?id_forum=6&id_theme=6084

Я попробовал следующее:

<?php $sentense = "Все попытки разложить текст на слова тщетны"; setlocale (LC_ALL, array ('ru_RU.CP1251', 'rus_RUS.1251')); $words = str_word_count($sentense, 1); echo "<PRE>"; print_r($words); echo "</PRE>"; ?>

И при этом получил интересный результат: при нескольких рефрешах страницы получал разный вывод:
и такой

Array (     [0] => Все     [1] => п     [2] => пытк     [3] => р     [4] => зл     [5] => т     [6] => текст     [7] => н     [8] => сл     [9] => в     [10] => т     [11] => етны )

и такой

Array (     [0] => Вс     [1] => п     [2] => пы     [3] => л     [4] => с     [5] => н     [6] => сл     [7] => ны )

вот собственно.
PS: Я, к сож., не знаю как правильно составить стоку для настройки локали.

>PS: Я, к сож., не знаю как правильно составить стоку для настройки локали.
Это нужно у хостера выяснить - у всех по разному.

Спасибо за помощь, спрошу у хостера.