Question

更新v2

使用Jerry的代码可以处理大多数字符串，但不是所有字符串，例如：

$pattern = '#^(?<tz_utf>(?:\([^)]+\)|[^-]+)+)\s+-\s+(?<tz>[^:]+)\s+:\s+(?<fr>[^/]+)\s+/\s+(?<en>[^/]+)\s+/\s+(?<ar>\S+)\s+(?<tz_dec_utf>[ⴰ-⵿ -]+)\s+(?<tz_dec>.*)$#imu';

// In this string, it doesn't validate because of no space between slash & word;
// /Alphabet => / Alphabet
// and comma in Arabic;
// ájóéHCG ,á«é¡J => ájóéHCGá«é¡J
$str4 = 'ⴰⴳⵎⵎⴰⵢ - agemmay : Alphabet, épellation /Alphabet, spelling / ájóéHCG ,á«é¡J
    ⴰⴳⵎⵎⴰⵢ - ⵓⴳⵎⵎⴰⵢ - ⵉⴳⵎⵎⴰⵢⵏ
    agemmay  – ugemmay  – igemmayen';

$str5 = 'ⴰⴷⴷⴰⴷ ⴰⵎⴰⵔⵓⵣ - addad amaruz : Etat d’annexion / Construct state / ¥ÉëdEG ádÉM
    ⴰⴷⴷⴰⴷ ⴰⵎⴰⵔⵓⵣ - ⵡⴰⴷⴷⴰⴷ ⴰⵎⴰⵔⵓⵣ
    addad  amaruz  - waddad amaruz';

$str6 = 'ⴰⴷⴷⴰⴷ ⵉⵍⴻⵍⵍⵉ - addad ilelli : Etat libre / Free state / ∫É°SQEG ádÉM
    ⴰⴷⴷⴰⴷ ⵉⵍⴻⵍⵍⵉ
    addad  ilelli';


print_r( preg_match($pattern, $str, $matches) );

更新v1

我现在使用的代码只匹配整个字符串的一部分（$ matches [1]），是否可以使用一个正则表达式提取字符串的其他部分？：

$pattern = '/-(.*?)\:/';    
$str1 = 'ⵜⴰⵙⵎⵙⵙⵉⵜ - tasmessit : Focalisée / Focus / QCÉÑe ⵜⴰⵙⵎⵙⵙⵉⵜ - ⵜⵙⵎⵙⵙⵉⵜ - ⵜⵉⵙⵎⵙⵙⵉⵜⵉⵏ tasmssit - tsmssit - tismssitin';
preg_match($pattern, $str1, $matches);
$arr1 = array( 
        'tz_utf'=>'ⵜⴰⵙⵎⵙⵙⵉⵜ', 
        'tz'=> $matches[1], // tasmessit
        'fr'=>'Focalisée', 
        'en'=>'Focus', 
        'ar'=>'QCÉÑe', 
        'tz_dec_utf'=>'ⵜⴰⵙⵎⵙⵙⵉⵜ - ⵜⵙⵎⵙⵙⵉⵜ - ⵜⵉⵙⵎⵙⵙⵉⵜⵉⵏ', 
        'tz_dec'=>'tasmssit - tsmssit - tismssitin'
);
print_r($matches[1]);

原始问题

对于那里的任何正则表达大师：）

请帮助preg_split一些字符串到一个数组？字符串值可能会有所不同，看起来与此方案类似：

$str1 = 'ⵜⴰⵙⵎⵙⵙⵉⵜ - tasmessit : Focalisée / Focus / QCÉÑe ⵜⴰⵙⵎⵙⵙⵉⵜ - ⵜⵙⵎⵙⵙⵉⵜ - ⵜⵉⵙⵎⵙⵙⵉⵜⵉⵏ tasmssit - tsmssit - tismssitin';
$str2 = 'ⵜⴰⵙⵏⴰⵥⵖⵓⵕⵜ ( ⵏ-) - tasnaÇvurt (n-)  : Etymologique / Etymological / »dÉKCG ⵏ ⵜⵙⵏⴰⵥⵖⵓⵕⵜ n tesnaÇvurt';
$str3 = 'ⵜⴰⵙⵖⵓⵏⵜ ⵜⴰⵏⴰⴷⴰⵡⵜ - tasvunt tanadawt : Subordonnant / Subordinating (conjunction) / §HGQ ⵜⴰⵙⵖⵓⵏⵜ ⵜⴰⵏⴰⴷⴰⵡⵜ - ⵜⵉⵙⵖⵡⴰⵏ ⵜⵉⵏⴰⴷⴰⵡⵉⵏ tasvunt tanadawt - tisevwan tinadawin';

正确的结果将是;

$arr1 = array( 
                'tz_utf'=>'ⵜⴰⵙⵎⵙⵙⵉⵜ', 
                'tz'=>'tasmessit', 
                'fr'=>'Focalisée', 
                'en'=>'Focus', 
                'ar'=>'QCÉÑe', 
                'tz_dec_utf'=>'ⵜⴰⵙⵎⵙⵙⵉⵜ - ⵜⵙⵎⵙⵙⵉⵜ - ⵜⵉⵙⵎⵙⵙⵉⵜⵉⵏ', 
                'tz_dec'=>'tasmssit - tsmssit - tismssitin'
        );
$arr2 = array( 
                'tz_utf'=>'ⵜⴰⵙⵏⴰⵥⵖⵓⵕⵜ ( ⵏ-)', 
                'tz'=>'tasnaÇvurt (n-)', 
                'fr'=>'Etymologique', 
                'en'=>'Etymological', 
                'ar'=>'»dÉKCG', 
                'tz_dec_utf'=>'ⵏ ⵜⵙⵏⴰⵥⵖⵓⵕⵜ', 
                'tz_dec'=>'n tesnaÇvur'
        );
$arr3 = array( 
                'tz_utf'=>'ⵜⴰⵙⵖⵓⵏⵜ ⵜⴰⵏⴰⴷⴰⵡⵜ', 
                'tz'=>'tasvunt tanadawt', 
                'fr'=>'Subordonnant', 
                'en'=>'Subordinating (conjunction)', 
                'ar'=>'§HGQ', 
                'tz_dec_utf'=>'ⵜⴰⵙⵖⵓⵏⵜ ⵜⴰⵏⴰⴷⴰⵡⵜ - ⵜⵉⵙⵖⵡⴰⵏ ⵜⵉⵏⴰⴷⴰⵡⵉⵏ', 
                'tz_dec'=>'tasvunt tanadawt - tisevwan tinadawin'
        );

tz_utf是unicode的Tifinagh字符。

由于

Answer 1

尝试使用正则表达式：

~^(?<tz_utf>(?:\([^)]+\)|[^-]+)+)\s+-\s+(?<tz>[^:]+)\s+:\s+(?<fr>[^/]+)\s+/\s+(?<en>[^/]+)\s+/\s+(?<ar>\S+)\s+(?<tz_dec_utf>[ⴰ-⵿ -]+)\s+(?<tz_dec>.*)$~ui

警告，我不确定亚美尼亚字符中的特殊字符部分（我使用\S+假设它们是单个字，我使用this site的范围来表示字符它看起来像白色方块），但它适用于您提供的样本。

regex101 demo

使用preg_split拆分复杂的字符串

更新v2

更新v1

原始问题

1 个答案: