Question

在这个问题中：Split text into words problem PHP, complicated problem

答案给出了以下正则表达式，将字符串拆分为单词，意识到小数点和句号之间的区别。

/([\s_;?!\/\[\]{}<>\r\n"]|\.$|(?<=\D)[:,.\-]|[:,.\-](?=\D))/

这适合我，但我想知道为什么它有效，以便我最终能够自己写这些东西。所以，我的要求是：

请逐步完成该正则表达式并解释每个部分的作用。

Answer 1

原始问题中的问题是OP想要拆分所有这些特殊字符，但是当字符串中有数字如3.14的小数点时，问题出现了，他得到了机器人{{1结果中只有3和14，而他本身只需要3.14。

确定我们当前的问题，让我们把你的表达分成几部分：

/([\s_;?!\/\(\)\[\]{}<>\r\n"]|\.$|(?<=\D)[:,.\-]|[:,.\-](?=\D))/
                             ^   ^              ^

正如您所看到的，正则表达式使用了一个替换，因此它匹配第一个[\s_;?!\/\[\]{}<>\r\n"]，第二个\.$，第三个(?<=\D)[:,.\-]或第四个{{1} }}

第一部分：[:,.\-](?=\D))

此符号与以下字符之一匹配：空格[\s_;?!\/\[\]{}<>\r\n"]，，_，;，?，!， /，(，)，[，]，{，}，<，回车>，换行符\r或\r。

第二部分"：仅当位于字符串结尾处时才匹配点。

第三部分：\.$这符合以下任何字符(?<=\D)[:,.\-]，:，,，.，只要它们不在数字-，因此(?<=\D)或3.14之类的内容不会导致分割。

第四部分和最后一部分：23:23只要符合以下字符[:,.\-](?=\D)，:，,，.，就会匹配以下任意字符-由一个不是数字(?=\D)的字符。

此规则是对第三条规则的补充。

Answer 2

这个正则表达式的四个替代部分，解释......

[\s_;?!\/\(\)\[\]{}<>\r\n"]

第1部分：似乎是试图匹配任何非字母，数字或潜在的数字分隔符（其中包含更多内容）。

\.$

第2部分：在字符串末尾匹配句点/句号。

(?<=\D)[:,.\-]|[:,.\-](?=\D)

第3/4部分：匹配数字分隔符（冒号，逗号，句号/句号，减号），前提是它前面或后面跟一个非数字字符。

Answer 3

只是添加以供将来参考，如果您使用该工具解析表达式并将其分解为多个网站Explain Regular Expression，则会显示以下说明。

首先使用起始斜杠/和结尾斜杠/作为分隔符。

分隔符可以是任何非字母数字，非反斜杠，非空白字符。

你的正则表达式：

(                              group and capture to \1:
 [\s_;?!\/\(\)\[\]{}<>\r\n"]   any character of: whitespace (\n, \r, \t, \f, and " "), 
                               _ ; ? ! \/ \( \) \[ \] { } < > \r \n "
|                              OR
 \.                            '.'
  $                            before an optional \n, and the end of the string
  |                            OR
  (?<=                         look behind to see if there is:
    \D                         non-digits (all but 0-9)
  )                            end of look-behind
  [:,.\-]                      any character of: ':', ',', '.', '\-'
  |                            OR
  [:,.\-]                      any character of: ':', ',', '.', '\-'
  (?=                          look ahead to see if there is:
    \D                         non-digits (all but 0-9)
  )                            end of look-ahead
)                              end of \1

基本上，你的角色类中有\r\n并且可以删除该部分，因为\s将自己匹配。通常只有某些角色需要在角色类中进行转义。

(?:[(){}\[\]<>\/!?;_"\s]|\.$|(?<=\D)([;.,-])|(?1)(?=\D))

请参阅demo

希望这有帮助！祝你好运。

需要了解正则表达式作为另一个查询的答案发布

3 个答案: