推荐用 preg_match_all 匹配句子而非 preg_split 分割：/1+[。！？；.!?\;\u{2026}]+/u，可保留标点、避免缩写误切、支持中英文及省略号，且比分割更可控。。！？；.!?\; ↩
PHP 用正则按句子分割文本的常见错误
直接用 preg_split('/[。！？；]+/', $text) 看似简单，但会丢掉标点、切不断英文句号（如 “Mr. Smith”）、忽略省略号（…）、误切小数点和邮箱里的点。更麻烦的是中文引号内的句末标点（如「你好！」）会被漏掉，因为正则没覆盖全角+半角+嵌套场景。
- 中文句末标点必须包含全角：。！？；
- 英文句末标点需排除缩写和数字中的点（如
Dr.、3.14） - 要保留分隔符本身（否则无法还原原始格式）
- 引号、括号内的句末标点不应作为分割点（但 PHP 原生正则不支持平衡组，得靠规避策略）
推荐的正则模式：兼顾中英文与常见例外
用这个表达式：/(? 是理想但不可行的——\s+ 前置断言在 PHP 中不支持变长。实际可用的是带 PREG_SPLIT_DELIM_CAPTURE 的捕获式分割：
$pattern = '/([。！？；\.\!\?\;])(?=\s*[\'"\u{2018}\u{2019}\u{201C}\u{201D}]*\s*[A-Z\u{4E00}-\u{9FFF}])/u';
$sentences = preg_split($pattern, $text, -1, PREG_SPLIT_DELIM_CAPTURE | PREG_SPLIT_NO_EMPTY);
但更稳的做法是「匹配句子」而非「分割」：preg_match_all('/[^。！？；.!\?\;]+[。！？；.!\?\;]+/', $text, $matches)，再过滤空项。它天然保留标点，且避开缩写误判（只要确保句末标点后跟空格或换行或字母/汉字）。
-
preg_match_all比preg_split更可控，尤其处理混合中英文时 -
[^。！？；.!\?\;]+匹配非句末标点的字符，避免跨句吞掉中间的点 - 末尾的
[。！？；.!\?\;]+允许连续多个标点（如！！、？？？、……） -
/u修饰符必不可少，否则 \u{4E00} 类 Unicode 范围无效
处理省略号、引号和缩写的实用技巧
中文省略号是 …（U+2026），不是三个点，正则里得显式加上；英文引号内句末标点（如 “Hello!” she said.）容易被误切，可加后瞻限制：只在标点后有空格+大写字母或汉字时才视为句界。
立即学习“PHP免费学习笔记（深入）”；
- 把
…加入句末标点集合：[。！？；.!\?\;\u{2026}] - 缩写过滤靠白名单不如靠上下文：检查标点前是否为常见缩写词（
Mr|Dr|Ms|vs|etc），但会拖慢性能，建议预处理替换（如把Mr.替成Mr@，分割完再换回） - 中文引号「」、『』、英文 “” ‘’ 内的句末标点不触发分割，需先统计引号嵌套深度——太重，通常用「跳过引号内所有标点」的轻量策略：用
mb_ereg_replace临时掩码引号内容，分割完再还原
性能与边界情况提醒
长文本（>100KB）下 preg_match_all 可能爆栈或超时，ini_set('pcre.backtrack_limit', '1000000') 可缓解但治标不治本。真要处理大文本，得改用逐字符状态机（比如检测到句末标点后，往前找最近的空白或行首，往后跳过引号/括号）。
-
mb_strlen()和mb_substr()必须配合使用，否则中文乱切 - 单句含换行符（如诗歌、代码注释）时，
\s会吞掉换行，建议用(?![^\r\n]*[\r\n])排除含换行的匹配 - 空字符串、纯标点、连续空格等边界输入务必单独
trim()+if (empty())判断，否则返回空数组或警告
真正难的不是写出正则，是定义清楚“什么是句子”——用户要的是语义分句，而正则只能做字面切分。如果业务允许，优先考虑 NLP 库（如 jieba-php 或调用 HanLP API），尤其是涉及对话、法律文书这类复杂句式时。
