Question

我的意图是将完整的句子（或等效句）与下面的正则表达式相匹配。在第一组中，我希望我的OR模式首先匹配一个句点（表示前一句的结尾），然后，如果128个字符范围内没有句点，则匹配一个引号，然后匹配一个新的line，然后是HTML标记的结尾，然后是单词边界等。

如何设置此正则表达式以优先考虑这样的特定匹配？

<?php
  $regex = '/((\.|"|\n|>|\b).{0,128}\b(manufacturer|manufacture|manufactures)\b.{0,128}(\.|<\/|"|\n|\b))/i';
  $string = '<title>Carter Bearings - Bearings are our Business. Manufacturer of Bearings and Rollers</title>';
  preg_match_all( $regex, $string, $matches );
  var_dump( $matches );
?>

这匹配来自$string的以下字符串：

title>Carter Bearings - Bearings are our Business. Manufacturer of Bearings and Rollers</title

我想匹配大致代表字符串的单独但完整部分的最短版本：

. Manufacturer of Bearings and Rollers</

Answer 1

你不能因为一个正则表达式引擎从左到右工作，并且会为你提供从左到右的所有非重叠匹配（带preg_match_all）字符串中的可能位置。唯一的方法是找到最短的结果是使用strlen或更好mb_strlen之后。

另外，正如Dalorzo注意到的那样，你的模式可以缩短：

$regex = '/(?:[."\n>]|\b).{0,128}\bmanufacture[rs]?\b.{0,128}(?:[."\n<]|\b)/i';

Answer 2

我并不是100％确定我理解你需要什么，但我最好猜测字面翻译你说的话：

(\.|
  (?!.{0,128}?\.) # make sure there is no period in the next 128 characters
  (?:"|\n|>|\b)
)
\b(manufacturer|manufacture|manufactures)\b
.{0,128}?         # consume at most 128 characters, but as few as possible
(?=\.|<\/|"|\n)   # ... until you encounter one of these

在这里演示：http://regex101.com/r/iV7xL5/1

这符合您示例中的Manufacturer of Bearings and Rollers。

使用OR组时如何找到最短的正则表达式匹配？

2 个答案: