PHP用preg_split按破折号分割文本方法

preg_split默认保留空字符串，因连续分隔符间存在零长度子串；加PREG_SPLIT_NO_EMPTY可过滤；需注意中英文破折号Unicode差异，推荐用/[-–—―−]/u匹配并加/u修饰符。

preg_split 用破折号分割字符串时，为什么空字符串会进结果？

默认情况下 preg_split 不会自动过滤空项，比如 "a--b" 用 '/-/' 分割，结果是 ['a', '', 'b']。这不是 bug，是正则匹配的自然行为——两个连续破折号之间确实存在一个长度为 0 的子串。

解决方法很简单：加 PREG_SPLIT_NO_EMPTY 标志：

$parts = preg_split('/-/', $text, -1, PREG_SPLIT_NO_EMPTY);

• 不加该标志 → 保留所有分割结果，含空字符串
• 加了 → 自动跳过空项，更接近日常语义上的“分词”预期
• 注意：这个标志只影响空字符串，不处理前后空白，如需去空格得额外 array_map('trim', ...)

中文破折号、连接号、减号混用导致分割失败

常见误区是只写 '/-/'，但实际文本中可能混着全角破折号（—）、en dash（–）、em dash（—）、甚至中文顿号或减号（−）。它们 Unicode 码位不同，正则不会匹配。

稳妥做法是显式列出常用变体：

$pattern = '/[-–—―−]/u'; // 支持 ASCII 减号、en dash、em dash、全角连接号、Unicode 减号

• /u 修饰符必须加，否则 UTF-8 中文破折号会匹配失败或乱码
• 如果确定全是 ASCII 环境（如日志字段），可简化为 '/-/'，但上线前务必检查原始数据来源
• 用 mb_ereg_replace 或 str_replace 预处理统一成一种再分割，有时比写复杂正则更稳

分割后要保留分隔符？用捕获组 + PREG_SPLIT_DELIM_CAPTURE

默认 preg_split 丢弃分隔符。如果需要像 "a-b-c" → ['a', '-', 'b', '-', 'c'] 这样保留破折号本身，得靠捕获组和标志配合：

$parts = preg_split('/(-)/u', $text, -1, PREG_SPLIT_DELIM_CAPTURE | PREG_SPLIT_NO_EMPTY);

• 括号把 - 包成捕获组，PREG_SPLIT_DELIM_CAPTURE 让它也进结果数组
• 仍建议加上 PREG_SPLIT_NO_EMPTY，避免因开头结尾是破折号产生空项
• 注意：如果用了多个不同分隔符（如 [-–—]），捕获组会把实际匹配到的那个字符原样返回，适合做后续类型判断

性能敏感场景下，别硬上 preg_split

如果只是简单按 ASCII 破折号切分，且确认输入无 Unicode 异常，explode('-', $text) 比 preg_split 快 3–5 倍，内存占用更低。

• explode 不支持正则，不能处理多种破折号变体，也不能保留分隔符
• 若需去空、trim、过滤空项，组合 array_filter(array_map('trim', explode('-', $text))) 依然比正则快
• 真正要用 preg_split 的典型场景只有两个：需要多字符/多形态分隔符，或必须保留分隔符本身

线上高频调用的接口里，先 mb_strpos($text, '–') 判断是否存在非 ASCII 破折号，再决定走 explode 还是 preg_split，是个实用的平衡点。