preg_split ：根据非常具体的模式拆分字符串

Question

Regex/PHP n00b 这里。我正在尝试使用 PHP "preg_split" 函数...

我有一些遵循特定模式的字符串，我想根据该模式拆分它们。

字符串示例：

CADAVRES [FILM] (Canada : Québec, Érik Canuel, 2009, long métrage) FICTION

想要的结果：

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

分隔符（按出现顺序）：

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

如何正确编写正则表达式？

这是我试过的方法：

<?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，我不明白我做错了什么。再一次，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，我看不对......

非常感谢！

Answer 1

我设法使用 preg_match_all 找到解决方案：

$input = "CADAVRES [FILM] (Canada : Québec, Érik Canuel, 2009, long métrage) FICTION";
preg_match_all("|[^-\[\](),/\s]+(?:(?: :)? [^-\[\](),/]+)?|", $input, $matches);
print_r($matches[0]);

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

上面的正则表达式将术语视为不同于括号、逗号、圆括号等的任何字符。它还允许两个单词术语，中间可能有一个冒号分隔符。

Answer 2

这是 preg_match 的尝试：

$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!

正则表达式细分：

^   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

这假设您的结构是静态的并且不是特别漂亮，但另一方面，对于潜入它们不应该出现的字段的定界符应该是健壮的。例如，标题中有 : 或 , 似乎是合理的，并且会破坏 "split on these delimiters anywhere" 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，如果括号内的逗号区域长度可变，您可能需要先提取并解析它，然后再处理字符串的其余部分。

Answer 3

您可以使用此正则表达式拆分：

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

它寻找一个非（单词或:）字符，然后是一个space，然后是一个可选的非（单词或:）字符；或 space 后跟一个非（单词或 :）字符。这将匹配您想要的所有拆分模式。在 PHP 中（注意你需要 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

preg_split ：根据非常具体的模式拆分字符串

preg_split : splitting a string according to a very specific pattern

php

regex

preg-split