Question

我有一个具有以下结构的字符串：

ABC_ABC_PQR_XYZ

PQR具有以下结构：

ABC+JKL

和

ABC本身是一个字符串，可以包含字母数字字符和一些其他字符，如“_”，“ - ”，“+”，“。”并且没有设置结构：

例如。qWe_rtY-asdf或pkl123

所以，实际上，字符串可能如下所示：

qWe_rtY-asdf_qWe_rtY-asdf_qWe_rtY-asdf+JKL_XYZ

我的目标是找出构成ABC的字符串。

我最初刚刚使用

$arrString = explode("_",$string);

在我意识到$arrString[0]（ABC）本身可以包含下划线之前返回$arrString[0]，从而使其不正确。

我的下一次尝试无论如何都要在“_”上进行扩展，然后将每个爆炸的字符串部分与第一个字符串部分进行比较，直到我得到一个模式的外观：

function getPatternABC($string)
{
 $count  = 0;
 $pattern ="";

 $arrString = explode("_", $string);

 foreach($arrString as $expString)
 {
    if(strcmp($expString,$arrString[0])!==0 || $count==0)
{
   $pattern = $pattern ."_". $arrString[$count];
   $count++;
    }
    else break;
 }

 return substr($pattern,1);
}

这很有效 - 但我想知道使用正则表达式是否有更优雅的方法吗？

Answer 1

这是正则表达式解决方案：

'^([a-zA-Z0-9_+-]+)_\1_\1\+'

这样做是匹配（从字符串的开头开始）最长的序列，由方括号内的字符组成（根据您的规范编辑）。序列必须恰好出现两次，每次后跟一个下划线，然后必须再出现一个加号（这实际上是PQR的前半部分，而JKL之前的分隔符）。输入的其余部分将被忽略。

您会发现ABC被捕获为捕获组1。

所以：

$input = 'qWe_rtY-asdf_qWe_rtY-asdf_qWe_rtY-asdf+JKL_XYZ';
$result = preg_match('/^([a-zA-Z0-9_+-]+)_\1_\1\+/', $input, $matches);
if ($result) {
    echo $matches[2];
}

See it in action

Answer 2

当然，只需创建一个与您的模式匹配的正则表达式。在这种情况下，像这样：

preg_match('/^([a-zA-Z0-9_+.-]+)_\1_\1\+JKL_XYZ$/', $string, $match);

你的ABC在$ match [1]。

Answer 3

如果这些字符串中的下划线存在频率较低，则可能需要检查一下简单的explode（）是否会在使用正则表达式之前执行此操作。

<?php
$str = 'ABC_ABC_PQR_XYZ';
if(substr_count($str, '_') == 3)
   $abc = reset(explode('_', $str));
else
   $abc = regexy_function($str);
?>

识别结构化文本字符串中的随机重复模式

3 个答案: