Question

我正在解析推文，作为向数据库添加提醒的快捷方式。推文看起来像这样：

$tweet = '#notes @username !high_priority [Project Name] Tweet content';

我正在使用以下正则表达式来获取＃，@ ,!和[项目]

$match = preg_match_all('/(#\\w*[a-zA-Z_]+\\w*)|(!\\w*[a-zA-Z_]+\\w*)|(@\\w*[a-zA-Z_]+\\w*)|(\\[[^\\]]*\\])/i', 
    $tweet,
    $matches);

我想知道如何获取剩余的“推文内容”，因此所有与正则表达式不匹配的内容都应该保存到变量中。

此外，如果推文类似于以下内容，匹配顺序是否重要：

$tweet = '@username Tweet content [Project Name] #notes !high_priority';

有谁知道怎么做？

Answer 1

将正则表达式匹配的文本替换为空字符串。剩下的就是正则表达式所没有的匹配。

Answer 2

使用preg_split代替preg_match_all，然后您可以获得其中的所有组件，作为Brent的答案的替代方法，它会返回单个字符串。请注意，许多匹配可能为空。

Answer 3

我没有测试过这段代码，但我认为这种非正则表达式的想法可能对您有所帮助。基本上你用空格分割字符串然后解析每个部分。这种方法意味着零件的顺序无关紧要。

它有点棘手，因为内容和项目可以跨越多个部分，但我认为我的代码应该处理它。它还假设您每条推文只有一个＃标签，用户，项目和优先级。例如，如果有多个主题标签，只需将它们放在数组中而不是字符串中。最后，它没有任何错误处理来检测/防止发生奇怪的事情。

这是我未经测试的代码：

$data = array(
    'hash' => '',
    'user' => '',
    'priority' => '',
    'project' => '',
    'content' => ''
);

$parsingProjectName = false;
foreach(explode(' ', $tweet) as $piece)
{
    switch(substr($piece, 0, 1))
    {
        case '#':
            $data['hash'] = substr($piece, 1);
            break;
        case '@':
            $data['user'] = substr($piece, 1);
            break;
        case '!':
            $data['priority'] = substr($piece, 1);
            break;
        case '[':
            // Check if the project name is longer than 1 word
            if(strpos($piece, -1) == ']')
            {
                $data['project'] = substr($piece, 1, -1);
            }
            else
            {
                // There will be more to parse in the next piece(s)
                $parsingProjectName = true;
                $data['project'] = substr($piece, 1) . ' ';
            }
            break;
        default:
            if($parsingProjectName)
            {
                // Are we at the end yet?
                if(strpos($piece, -1) == ']')
                {
                    // Yes we are
                    $data['project'] .= substr($piece, 1, -1);
                    $parsingProjectName = false;
                }
                else
                {
                    // Nope, there is more
                    $data['project'] .= substr($piece, 1) . ' ';
                }
            }
            else
            {
                // We aren't in the middle of parsing the project name, and this piece doesn't start with one of the special chars, so assume it is content
                $data['content'] .= $piece . ' ';
            }
    }
}

// There will be an extra space on the end; remove it
$data['content'] = substr($data['content'], 0, -1);

Answer 4

我认为你的RegEx中有一个错误，你在[a-zA-Z_]之前使用\ w，看起来你想要匹配空格，而\ w匹配单词字符。你可以这样做（对于这个小部分）：

...\\s*[\\w_]+\\s*...

由于您似乎已经遍历匹配以获取不同的部分，因此您可以为要匹配的纯文本创建子模式，并将其与模式的其余部分连接。这样你只需要一个额外的匹配。这将适用于内容的不同顺序，只要您在循环匹配时区分匹配的部分。

如何获取正则表达式不匹配的数据？

4 个答案: