Question

此处为Regex / PHP n00b。我正在尝试使用PHP的“ preg_split”功能...

我有一些遵循非常特定模式的字符串，我希望根据这些模式进行拆分。

字符串示例：

CADAVRES [FILM]（加拿大：魁北克，埃里克·坎努埃尔，2009年，长期居住）假想

所需结果：

[0]CADAVRES
[1]FILM
[2]Canada : Québec
[3]Érik Canuel
[4]2009
[5]long métrage
[6]FICTION

定界符（按出现的顺序）：

" ["
"] ("
", "
", "
", "
") "

如何正确编写正则表达式？

这是我尝试过的：

<?php
$pattern = "/\s\[/\]\s\(/,\s/,\s/,\s/\)\s/";
$string = "CADAVRES [FILM] (Canada : Québec, Érik Canuel, 2009, long métrage) FICTION";
$keywords = preg_split($pattern, $string);
print_r($keywords);

它不起作用，我不明白自己在做什么错。再说一次，我刚刚开始尝试处理正则表达式和PHP，所以是的。。。转义字符太多了，我看不到。。。

非常感谢您！

Answer 1

我设法使用<pages controlRenderingCompatibilityVersion="4.5"/>制定了解决方案：

preg_match_all

以上正则表达式将术语视为任何字符，这些字符与方括号，逗号，括号等不一样。它还允许使用两个单词，可能在中间带有冒号。

Answer 2

您可以使用此正则表达式拆分：

([^\w:]\s[^\w:]?|\s[^\w:])

它寻找一个非（word或:）字符，后跟一个空格，然后是一个可选的非（word或:）字符；或空格后跟非（单词或:）字符。这将与您所需的所有拆分模式匹配。在PHP中（请注意，您需要使用u修饰符来处理unicode字符）：

$input = "CADAVRES [FILM] (Canada : Québec, Érik Canuel, 2009, long métrage) FICTION";
$keywords = preg_split('/([^\w:]\s[^\w:]?|\s[^\w:])/u', $input);
print_r($keywords);

输出：

Array
(
    [0] => CADAVRES 
    [1] => FILM
    [2] => Canada : Québec
    [3] => Érik Canuel
    [4] => 2009
    [5] => long métrage
    [6] => FICTION
)

Demo on 3v4l.org

Answer 3

尝试使用preg_match：

$pattern = "/^([^\[]+)\[([^\]]+)\]\s+\(([^,]+),\s+([^,]+),\s+([^,]+),\s+([^,]+)\)\s+(.+)$/i";
$string = "CADAVRES [FILM] (Canada : Québec, Érik Canuel, 2009, long métrage) FICTION";
preg_match($pattern, $string, $keywords);
array_shift($keywords);
print_r($keywords);

输出：

Array
(
    [0] => CADAVRES 
    [1] => FILM
    [2] => Canada : Québec
    [3] => Érik Canuel
    [4] => 2009
    [5] => long métrage
    [6] => FICTION
)

Try it!

正则表达式细目：

^   anchor to start of string
 (    begin capture group 1
  [^\[]+   one or more non-left bracket characters
        )   end capture group 1
         \[   literal left bracket
           (   begin capture group 2
            [^\]]+   one or more non-right bracket characters
                  )    end capture group 2
                   \]   literal bracket
                     \s+    one or more spaces
                        \(    literal open parenthesis
                          (     open capture group 3
                           [^,]+   one or more non-comma characters
                                )     end capture group 3
                                 ,\s+     literal comma followed by one or more spaces
                                     ([^,]+),\s+([^,]+),\s+([^,]+)   repeats of the above
                                                                  \)   literal closing parenthesis
                                                                    \s+   one or more spaces
                                                                       (  begin capture group 7
                                                                        .+  everything else
                                                                           )  end capture group 7
                                                                            $ EOL

这假定您的结构是静态的，并且不是特别漂亮，但另一方面，它对于分隔符不应该进入的字段应该是健壮的。例如，标题中带有:或,的标题似乎是合理的，并且会破坏“在这些分隔符处随处拆分”类型的解决方案。例如，

"Matrix:, Trilogy()   [FILM, reviewed: good]    (Canada() :   Québec  ,  \t Érik Canuel , ): 2009 ,   long ():():[][]métrage) FICTIO  , [(:N";

正确解析为：

Array
(
    [0] => Matrix:, Trilogy()   
    [1] => FILM, reviewed: good
    [2] => Canada() :   Québec  
    [3] => Érik Canuel 
    [4] => ): 2009 
    [5] => long ():():[][]métrage
    [6] => FICTIO  , [(:N
)

Try it!

此外，如果带括号的逗号区域的长度可变，则可能要先提取该区域并进行解析，然后再处理其余的字符串。

preg_split：根据非常特定的模式分割字符串

3 个答案: