PHP正则表达式和相邻的捕获组

Question

我第一次在正则表达式中使用捕获组，我想知道我的问题是什么，因为我假设正则表达式引擎从左到右查看字符串。

我正在尝试将UpperCamelCase字符串转换为hyphened-lowercase-string，例如：

HelloWorldThisIsATest => hello-world-this-is-a-test

我的前提条件是字母字符串，所以我不需要担心数字或其他字符。这是我试过的：

mb_strtolower(preg_replace('/([A-Za-z])([A-Z])/', '$1-$2', "HelloWorldThisIsATest"));

结果：

hello-world-this-is-atest

这几乎是我想要的，除了a和test之间应该有一个连字符。我已经将A-Z包含在我的第一个捕获组中，因此我假设引擎看到AT并将其连字。

我做错了什么？

Answer 1

正则表达式不起作用的原因：重叠匹配

• 您的正则表达式与sA中的IsATest匹配，允许您在-和s之间插入A
• 要在-和A之间插入T，正则表达式必须与AT匹配。
• 这是不可能的，因为A已作为sA的一部分进行匹配。您不能在直接正则表达式中重叠匹配。
• 所有希望都失去了吗？没有！ 这是外表的完美情况。

以两条简单的方式进行

以下是使用正则表达式执行此操作的简便方法：

$regex = '~(?<=[a-zA-Z])(?=[A-Z])~';
echo strtolower(preg_replace($regex,"-","HelloWorldThisIsATest"));

请参阅php demo：

底部的输出

  

输出：hello-world-this-is-a-test

稍后会添加解释。 ：）

• 正则表达式不匹配任何字符。相反，它针对字符串中的位置：字母大小写的变化之间的位置。为此，它使用了lookbehind和lookahead
• (?<=[a-zA-Z]) lookbehind断言当前位置前面的字母是
• (?=[A-Z])前瞻断言当前位置后面的内容是一个大写字母。
• 我们只是用-替换这些位置，并将该地块转换为小写。

如果仔细查看regex101 screen，可以看到正则表达式匹配的单词之间的行。

<强>参考

• Lookahead and Lookbehind Zero-Length Assertions
• Mastering Lookahead and Lookbehind

Answer 2

为简单起见，我将两个正则表达式分开了：

preg_replace(array('/([a-z])([A-Z])/', '/([A-Z]+)([A-Z])/'), '$1-$2', $string);

它处理字符串两次以找到：

1. 小写 - ＆gt;大写边界
2. 多个大写字母后跟另一个大写字母

这将有以下行为：

ThisIsHTMLTest -> This-Is-HTML-Test
ThisIsATest    -> This-Is-A-Test

或者，使用前瞻断言（这将影响上一次匹配中使用的最后一个大写字母的重用）：

preg_replace('/([A-Z]+|[a-z]+)(?=[A-Z])/', '$1-', $string);

Answer 3

为了修复Jack在你的评论中提到的有趣用例（避免拆分缩写），我选择了zx81使用lookahead和lookbehinds的路线。

(?<=[a-z])(?=[A-Z])|(?<=[A-Z])(?=[A-Z][a-z])

您可以将其拆分为两个以进行解释：

第一部分

(?<=                     look behind to see if there is:
  [a-z]                    any character of: 'a' to 'z'
)                        end of look-behind
(?=                      look ahead to see if there is:
  [A-Z]                    any character of: 'A' to 'Z'
)                        end of look-ahead

（TL; DR：CamelCase模式的字符串之间的匹配。）

第二部分

(?<=                     look behind to see if there is:
  [A-Z]                    any character of: 'A' to 'Z'
)                        end of look-behind
(?=                      look ahead to see if there is:
  [A-Z]                    any character of: 'A' to 'Z'
  [a-z]                    any character of: 'a' to 'z'
)                        end of look-ahead

（TL; DR：特例，缩写与CamelCase模式匹配）

那么你的代码就是：

mb_strtolower(preg_replace('/(?<=[a-z])(?=[A-Z])|(?<=[A-Z])(?=[A-Z][a-z])/', '-', "HelloWorldThisIsATest"));

Demo of matches

Demo of code