PHP mb_split(), 捕获分隔符

Question

preg_split 有一个可选的 PREG_SPLIT_DELIM_CAPTURE 标志，它也 returns 返回数组中的所有分隔符。 mb_split 没有。

有什么方法可以拆分多字节字符串（不仅是 UTF-8，还有所有类型）并捕获分隔符？

我正在尝试制作一个多字节安全的换行符拆分器，保留换行符，但更喜欢更通用的解决方案。

解决方案 感谢用户 Casimir et Hippolyte，我构建了一个解决方案并将其发布在 github (https://github.com/vanderlee/PHP-multibyte-functions/blob/master/functions/mb_explode.php)，它允许所有 preg_split 标志：

/**
 * A cross between mb_split and preg_split, adding the preg_split flags
 * to mb_split.
 * @param string $pattern
 * @param string $string
 * @param int $limit
 * @param int $flags
 * @return array
 */
function mb_explode($pattern, $string, $limit = -1, $flags = 0) {       
    $strlen = strlen($string);      // bytes!   
    mb_ereg_search_init($string);

    $lengths = array();
    $position = 0;
    while (($array = mb_ereg_search_pos($pattern)) !== false) {
        // capture split
        $lengths[] = array($array[0] - $position, false, null);

        // move position
        $position = $array[0] + $array[1];

        // capture delimiter
        $regs = mb_ereg_search_getregs();           
        $lengths[] = array($array[1], true, isset($regs[1]) && $regs[1]);

        // Continue on?
        if ($position >= $strlen) {
            break;
        }           
    }

    // Add last bit, if not ending with split
    $lengths[] = array($strlen - $position, false, null);

    // Substrings
    $parts = array();
    $position = 0;      
    $count = 1;
    foreach ($lengths as $length) {
        $is_delimiter   = $length[1];
        $is_captured    = $length[2];

        if ($limit > 0 && !$is_delimiter && ($length[0] || ~$flags & PREG_SPLIT_NO_EMPTY) && ++$count > $limit) {
            if ($length[0] > 0 || ~$flags & PREG_SPLIT_NO_EMPTY) {          
                $parts[]    = $flags & PREG_SPLIT_OFFSET_CAPTURE
                            ? array(mb_strcut($string, $position), $position)
                            : mb_strcut($string, $position);                
            }
            break;
        } elseif ((!$is_delimiter || ($flags & PREG_SPLIT_DELIM_CAPTURE && $is_captured))
               && ($length[0] || ~$flags & PREG_SPLIT_NO_EMPTY)) {
            $parts[]    = $flags & PREG_SPLIT_OFFSET_CAPTURE
                        ? array(mb_strcut($string, $position, $length[0]), $position)
                        : mb_strcut($string, $position, $length[0]);
        }

        $position += $length[0];
    }

    return $parts;
}

Answer 1

捕获分隔符只能使用 preg_split，在其他函数中不可用。

那么三种可能：

1) 将您的字符串转换为 UTF8，使用 preg_split 和 PREG_SPLIT_DELIM_CAPTURE，并使用 array_map 将每个项目转换为原始字符串编码。

这种方式比较简单。第二种方式并非如此。 （请注意，一般来说，始终使用 UTF8 比处理奇异编码更简单）

2) 代替 split-like 函数你需要使用例如 mb_ereg_search_regs 来获得匹配零件并构建这样的模式：

delimiter|all_that_is_not_the_delimiter

(请注意交替的两个分支必须互斥，并注意以一种在结果之间产生不可能的间隙的方式编写它们。第一部分必须在字符串的开头最后一部分必须在最后。每个部分必须与前一部分连续，依此类推。)

3) 使用 mb_split 和 lookarounds。根据定义，lookarounds 是零宽度断言，不匹配任何字符，只匹配字符串中的位置。所以你可以使用这种模式来匹配定界符之前或之后的位置：

(?=delimiter)|(<=delimiter)

(这种方式的局限是lookbehind中的subpattern不能有可变长度(也就是说里面不能使用量词)，但是可以是一个固定长度子模式的交替：(?<=subpat1|subpat2|subpat3) )

PHP mb_split(), 捕获分隔符

PHP mb_split(), capturing delimiters

php

delimiter

capture

preg-split

multibyte