Question

我必须处理来自学生论文的文本（文本可能非常大）。

我需要在PHP中使用preg_match来表示字符串中可能以这种方式出现的日期：

...blah blah blah (1994) blah blah blah ... 
...blah blah blah (nov-1994) blah blah blah ... 
...blah blah blah (november-1994) blah blah blah ...
...blah blah blah (1994-nov) blah blah blah ...
...blah blah blah (1994-november) blah blah blah ...

字符串中的日期可能带有＆＃39;（）＆＃39;或者使用＆＃39; []＆＃39;

我这样做了：

if (preg_match('/\w{0,8}-?(19|20)\d{2}-?\w{0,8}/', $string, $s)) {
 # code
}

这是正确的，并且可以捕捉一些不相关的字符串，例如

... blah blah blah (SKU_1956) blah blah blah ...
... blah blah blah [INFERNO2000] blah blah blah ...
... blah blah blah [like-2000-me] blah blah blah ...

我似乎无法做到这一点，所以我需要帮助来微调这个正则表达式以仅捕获

从两个开始（[
可能是一个单词，如果存在，必须以 -
必须在19xx-20xx圈的一年
可能是一个单词，如果存在，必须以 -
以任何一方结束）]

这个词限于8个字符，因为月份最长（如12月）

捕获了大量不相关的字符串，这就是为什么我要对其进行微调。

Answer 1

您可以使用RegEx [(\[](([a-zA-Z]{1,8}-)?(19|20)\d{2}|(19|20)\d{2}-[a-zA-Z]{1,8})[)\]]

[(\[] ... [)\]]匹配()或[]
([a-zA-Z]{1,8}-)?(19|20)\d{2}匹配month-YEAR，月份为可选
- ([a-zA-Z]{1,8}-)?匹配1和8次之间的字母字符，以及-
- (19|20)\d{2}匹配19..或20..
(19|20)\d{2}-[a-zA-Z]{1,8})匹配YEAR-month

Demo.

Answer 2

您可以列出数组中的所有有效date formats：

$formats = ["M-Y", "Y", "F-Y", "Y-F", "Y-M"];

然后循环测试是否可以创建有效的DateTime：

作为正则表达式模式，您可以捕获组1中括号内的内容：

/$([^)]+)$/

$strings = [
    "...blah blah blah (1994) blah blah blah ... ",
    "...blah blah blah (nov-1994) blah blah blah ... ",
    "...blah blah blah (november-1994) blah blah blah ...",
    "...blah blah blah (1994-nov) blah blah blah ...",
    "...blah blah blah (1994-november), (1994), (nov-1994) blah blah blah ...",
    "...blah blah blah (1994-november) blah blah blah ..."
];
$formats = ["M-Y", "Y", "F-Y", "Y-F", "Y-M"];
$pattern = '/\(([^)]+)\)/';
foreach ($strings as $string) {
    preg_match_all($pattern, $string, $matches);
    foreach ($matches[1] as $match) {
        foreach ($formats as $format) {
            if (DateTime::createFromFormat($format, $match) !== false) {
                echo "$string contains valid date: <b>$match</b>" . PHP_EOL;
                break;
            }
        }

    }
}

Demo

PHP REGEX微调捕获

2 个答案: