Question

我有一个这样的字符串：

####################
Section One
####################
Data A
Data B


####################
   Section Two
####################
Data C
Data D

etc.

我想将其分解为：

$arr(
    'Section One' => array('Data A', 'Data B'),
    'Section Two' => array('Data C', 'Data D')
)

起初我试过这个：

$sections = preg_split("/(\r?\n)(\r?\n)#/", $file_content);

问题是，文件不是很干净：有时在各部分之间有不同数量的空行，或者数据行之间有空格。

部分头部模式本身似乎相对一致：

####################
   Section Title
####################

＃的数量可能是一致的，但我不想指望它。标题行上的空白区域非常随机。

一旦我把它分成几个部分，我认为这将是非常简单的，但是任何帮助写一个杀手reg ex以获得它的任何帮助将不胜感激。（或者，如果有比reg ex更好的方法......）

Answer 1

我采取多步骤方法：

分为章节标题/内容
将每个标题/内容对解析为所需的数组结构

以下是一个示例，分为多行，以便您可以跟踪正在发生的事情：

^{注意缺乏完整性检查，这个假定漂亮，整齐的标题/内容组。
正则表达式是为了简洁而编写的，可能或可能不足以满足您的需求。}

// Split string on a line of text wrapped in lines of only #'s
$parts = preg_split('/^#+$\R(.+)\R^#+$/m', $subject, null, PREG_SPLIT_DELIM_CAPTURE|PREG_SPLIT_NO_EMPTY);
// Tidy up leading/trailing whitespace for each heading/content-block
$parts = array_map('trim', $parts);
// Chunk into array("heading", "content")
$parts = array_chunk($parts, 2);

// Create the final array
$sections = array();
foreach ($parts as $part) {
    $sections[$part[0]] = explode("\n", $part[1]);
}

// Lets take a look
var_dump($sections);

Answer 2

我能够迅速写下来：

<?php
$text = <<<EOT
####################
Section One
####################
Data B.Thing=bar#
.##.#%#

####################
   Empty Section!
####################
####################
   Last section
####################

Blah

   Blah C# C# C#

EOT;
$entries = array_chunk(
   preg_split("/^#+/m", $text, null, PREG_SPLIT_NO_EMPTY),
   2
);
$sections = array();
foreach ($entries as $entry) {
  $key = trim($entry[0]);
  $value = preg_split("/\n/", $entry[1], null, PREG_SPLIT_NO_EMPTY);
  $sections[$key] = $value;
} 
print_r($sections);
?>

输出为：（as run on ideone.com）

Array
(
    [Section One] => Array
        (
            [0] => Data B.Thing=bar#
            [1] => .##.#%#
        )

    [Empty Section!] => Array
        (
        )

    [Last section] => Array
        (
            [0] => Blah
            [1] =>    Blah C# C# C#
        )

)

Answer 3

任何帮助编写杀手级正则表达式的帮助都将得到赞赏

......我有个杀手级正则表达式模式-它依靠\G（继续）元字符来匹配每个节标题后出现的多行文本。

此技术比以前的答案更为理想，因为只有一个preg_调用和零迭代函数调用。

样本输入：

$fileContents = <<<TEXT
####################
Section One
####################
Data A
Data B


####################
   Section Two
####################
Data C
Data D
Data E

####################
   Section Three
####################
Data F
TEXT;

代码：（Demo）

preg_match_all(
    '~(?:
        ^\#{3,}\R
        \h*(\S+(?:\h\S+)*)\h*\R
        \#{3,}
      |
        \G(?!\A)
      )
      \R
      (?!\#{3,})(.+)
     ~mx',
    $fileContents,
    $out,
    PREG_SET_ORDER
);

foreach ($out as $set) {
    $heading = $set[1] ?: $heading;
    $result[$heading][] = $set[2];
}
var_export($result ?? 'No qualifying data');

输出：

array (
  'Section One' => 
  array (
    0 => 'Data A',
    1 => 'Data B',
  ),
  'Section Two' => 
  array (
    0 => 'Data C',
    1 => 'Data D',
    2 => 'Data E',
  ),
  'Section Three' => 
  array (
    0 => 'Data F',
  ),
)

故障：

~               #starting pattern delimiter
(?:             #start non-capturing group 1
  ^             #match the start of a line
  \#{3,}        #match 3 or more hash symbols
  \R            #match a newline sequence
  \h*           #match space or tab, zero or more times
  (             #start capture group 1
    \S+         #match one or more non-whitespace characters
    (?:         #start non-capturing group 2
      \h        #match space or tab
      \S+       #one or more non-whitespace characters
    )*          #end capture group 2, permit zero or more occurrences
  )             #end capture group 1
  \h*           #match space or tab, zero or more times
  \R            #match a newline sequence
  \#{3,}        #match 3 or more hash symbols
  |             #or
  \G(?!\A)      #continue matching but disallow starting from start of string
)               #end non-capturing group 1
\R              #match a newline sequence
(?!             #start negative lookahead
  \#{3,}        #match 3 or more hash symbols
)               #end negative lookahead
(.+)            #match the whole line excluding the trailing newline characters
~               #ending pattern delimiter
m               #pattern modifier: demand that ^ matches start of lines
x               #pattern modifier: allow meaningless whitespaces in pattern for improved readability

...这是一个有趣的死灵书。

字符串解析帮助

3 个答案: