preg_replace_callback：在模式中包含花括号：{ 被捕获，} 不是

Question

我有这个功能，它利用 preg_replace_callback 将一个句子分成 "chains" 个属于不同类别（字母、汉字、其他所有字符）的块。

该函数还试图包含字符 ' 、 { 和 }作为 "alphabetic"

function String_SplitSentence($string)
{
 $res = array();

 preg_replace_callback("~\b(?<han>\p{Han}+)\b|\b(?<alpha>[a-zA-Z0-9{}']+)\b|(?<other>[^\p{Han}A-Za-z0-9\s]+)~su",
 function($m) use (&$res) 
 {
 if (!empty($m["han"])) 
 {
  $t = array("type" => "han", "text" => $m["han"]);
  array_push($res,$t);
 }
 else if (!empty($m["alpha"])) 
 {
  $t = array("type" => "alpha", "text" => $m["alpha"]);
  array_push($res, $t);
 }
 else  if (!empty($m["other"])) 
 {
  $t = array("type" => "other", "text" => $m["other"]);
  array_push($res, $t);
 }
 },
 $string);

 return $res;
}

但是，花括号似乎有问题。

print_r(String_SplitSentence("Many cats{1}, several rats{2}"));

从输出中可以看出，该函数将 { 视为字母字符，如所示，但在 } 处停止并将其视为 "other"。

Array
(
    [0] => Array
        (
            [type] => alpha
            [text] => Many
        )

    [1] => Array
        (
            [type] => alpha
            [text] => cats{1
        )

    [2] => Array
        (
            [type] => other
            [text] => },
        )

    [3] => Array
        (
            [type] => alpha
            [text] => several
        )

    [4] => Array
        (
            [type] => alpha
            [text] => rats{2
        )

    [5] => Array
        (
            [type] => other
            [text] => }
        )

我做错了什么？

Answer 1

我不能完全确定，因为你的示例输入不代表任何汉字，我不知道你可能试图处理什么样的边缘案例，但我会这样写图案：

~(?<han>\p{Han}+)|(?<alpha>[a-z\d{}']+)|(?<other>\S+)~ui

\b 的问题在于它正在寻找 \w 个字符。 \w代表大写字母、小写字母、数字、下划线。参考：

此外，您的模式不包含任何 .，因此您可以删除 s 模式修饰符。

您的函数调用似乎也在滥用 preg_replace_callback()。我的意思是，您实际上并没有替换任何东西，所以这是一个不恰当的调用。也许你可以考虑重写：

function String_SplitSentence($string){
    if(!preg_match_all("~(?<han>\p{Han}+)|(?<alpha>[a-z\d{}']+)|(?<other>\S+)~ui",$string,$out)){
        return [];  // or $string or false
    }else{
        foreach($out as $group_key=>$group){
            if(!is_numeric($group_key)){  // disregard the indexed groups (which are unavoidably generated)
                foreach($group as $i=>$v){
                    if(strlen($v)){  // only store the value in the subarray that has a string length
                        $res[$i]=['type'=>$group_key,'text'=>$v];
                    }
                }
            }
        }
        ksort($res);
        return $res;
    }
}

关于您的模式的演示：https://regex101.com/r/6EUaSM/1

\b 在你的角色 class 搞砸之后。 } 未包含在 \w class 中。正则表达式希望为您做好工作——它捕获 "greedily" 直到它不能再捕获。 } 由于单词边界而被排除在外。

preg_replace_callback：在模式中包含花括号：{ 被捕获，} 不是

preg_replace_callback: including curly braces in a pattern: { is captured, } isn't

php

regex

unicode

word-boundary

named-captures