Question

我需要编写一个正则表达式，该正则表达式可以根据模式匹配某些东西（并且可以工作），但是如果文本在双方括号内的任何地方，则不应与之匹配。实际的问题是，后面的负向后视不能是可变长度。

情况是：

有一个短语词典。
单词多的短语比单词短的短语具有更高的“优先级” /获得优先级。
某些短语是其他较长短语的一部分。

字典示例（在实际代码中按数组排序）：

Wooden House
House
Wooden

要解析的示例文本：

Lorem ipsum Wooden House dolor sit amet

要解析的文本是通过preg_replace来解析的，方法是遍历字典并添加[[randomstaff-_-current dictionary phrase]]，例如：

Lorem ipsum Wooden House dolor sit amet-> Lorem ipsum [[randomstuff-_-Wooden House]] dolor sit amet。

当前，在第二次迭代后，它变为： Lorem ipsum [[randomstuff-_-Wooden House]] dolor sit amet-> Lorem ipsum [[randomstuff-_-Wooden[[randomstuff-_-House]]]]

，如果它已经在[[和]]之间，我希望保持不变。

因此，基本上，如果[[和]]之间的匹配在任何地方 -忽略它。

$dictPhrases = ["Wooden House", "House", "Wooden"];
$TEXT = "Lorem ipsum Wooden House dolor sit amet";

for ($dictPhrases as $phrase){
 $phraseOccurences = 0; //irrelevant in this example
 $TEXT = preg_replace("/(?i)(?<= |^|\n)(" . $phrase. "[&()'-]{0,1})(?= |$|\.|\,)/", "[[$randomstuff-_-" . $phrase . "]]", $TEXT, -1, $phraseOccurences);

}

问题是如何更改：

/(?i)(?<= |^|\n)(" . $phrase. "[&()'-]{0,1})(?= |$|\.|\,)/

变成这样：

/(?i)(?<!\[\[.*)(?<= |^|\n)(" . $phrase. "[&()'-]{0,1})(?= |$|\.|\,)(?!.*\]\])/

查看匹配的短语是否不在[[和]]之间，如果匹配，则将其丢弃。

Answer 1

只需变换

["Wooden House", "House", "Wooden"]

转换为单个正则表达式：

"(?:Wooden House|House|Wooden)"

然后将其放入主正则表达式中。

尝试如下所示：

$dictPhrases = ["Wooden House", "House", "Wooden"];
$TEXT = "Lorem ipsum Wooden House dolor sit amet";

$pattern = "/(?i)(?<= |^|\n)((?:" . join('|', $dictPhrases) . ")[&()'-]{0,1})(?= |$|\.|\,)/";

$phraseOccurences = preg_match_all($pattern, $TEXT);
$TEXT = preg_replace($pattern, "[[$randomstuff-_-$1]]", $TEXT);

Here正则表达式演示。

Here一个PHP演示。

Answer 2

大概有两种解决方案。

1）获取比赛的开始位置，在子字符串（0，比赛的第一个字符）中找到所有“ [[”和“]]”，并将其修改为2。 2）获取匹配的起始位置，获取子串（0，匹配的第一个字符）中“ [[”和最后一个“]]”的最后位置，并检查哪个更接近。

两者都应在括号不能嵌套的假设下工作（在这种情况下确实如此）。不幸的是，所需的代码超出了正则表达式的功能。

我将在星期一尝试实现它，并为将来的搜索者发布最终代码-如果它可以按预期的方式工作。

不要在双方括号之间的任何位置选择文本

2 个答案: