PHP Unicode 字符串提取 - 如何根据第一个非字母字符的位置拆分字符串并将其存储到两个变量中？

Question

我有一个 .txt 文件，其中包含数千个英语单词的列表以及它们在乌尔都语中的含义。 文件结构如下。每行都以一个单词及其 unicode 字符的翻译开头。

dict.txt（编码 UTF-8）

 Sony     سونی (sōnī)
 South Ossetia   جنوبی اوسیتیا (janūbī osetiyā)
 flower (ur-Arab'کھلنا) (unicode'(kʰilnā))
 fly    اڑنا (uṛnā)
 fog    کوہرا (m) (kuhrā)
 .
 .

注意：Sony、fly、fog 等单词的右侧没有空格，为了清楚起见，我添加了它们

到目前为止，我已经这样做了..

$file = fopen("dict.txt",'r');
if ($file) {
while($lines = fgets($file)){
    $word = '';
    $def = ' ';
  //want to extract "word" and its "definition" from $lines
  }
}
    fclose($file);

现在我想将文件的每一行拆分为两个变量，以 $word 和 $def 将它们存储在数据库中，以将它们存储在数据库中以供进一步使用。

我厌倦了使用 preg_match() 和 list()+explode() 但我是一种新手，我的解决方案不起作用。我也厌倦了搜索谷歌但没有找到满意的答案。

我想做什么..

{

如果发现 a-z/A-Z 和空格以外的其他字母，则该刺痛； 将左侧部分存储在变量 $name 中，将右侧部分存储在 $def..

}

提前致谢

Answer 1

如果格式总是[english][urdu]([pronunciation])，这应该做得很好：

preg_match('/^([\w\s]+)([\W\s]+)\((.+)\)$/', $line, $matches);
echo "English: $matches[1], Urdu: $matches[2], pronunciation: $matches[3]";

[\w\s]+ 匹配“单词和空格字符”，[\W\s]+ 是“非单词和空格字符”（“单词”表示 A-Z 和几个字符，如 _），括号中的 .* 是其余部分。见http://rubular.com/r/eHUQFczLah

Answer 2

怎么样：

$arr = array(
"Sony     سونی (sōnī)",
"South Ossetia   جنوبی اوسیتیا (janūbī osetiyā)",
"flower (ur-Arab'کھلنا) (unicode'(kʰilnā))",
"fly    اڑنا (uṛnā)",
"fog    کوہرا (m) (kuhrā)"
);

foreach($arr as $val) {
    $list = preg_split('/([\w\s]+)(.+)/', $val, -1, PREG_SPLIT_DELIM_CAPTURE | PREG_SPLIT_NO_EMPTY );
    print_r($list);
}

输出：

Array
(
    [0] => Sony     
    [1] => سونی (sōnī)
)
Array
(
    [0] => South Ossetia   
    [1] => جنوبی اوسیتیا (janūbī osetiyā)
)
Array
(
    [0] => flower 
    [1] => (ur-Arab'کھلنا) (unicode'(kʰilnā))
)
Array
(
    [0] => fly    
    [1] => اڑنا (uṛnā)
)
Array
(
    [0] => fog    
    [1] => کوہرا (m) (kuhrā)
)