如何将字符串分成多个部分

Question

我有一些波斯文本（direction rlt）我想将它们分开。

示例：

$str =" کامپیوتر : وسیله ی الکتریکی است 1.ماوس 2.کیبورد
       و مانیتور 3. کیس
چاپگر: وسیله ای است برای پرینت بر روی معمولا کاغذ
موبایل : نوعی تلفن است به صورت سیار و بی سیم
که جدیدا خیلی هم رایج شده است
و اکثر انسان ها دارند
خانه : محلی برای زندگی است. 1. حیوانات 2. انواع انسان ها
برای خود خانه می سازند. ";

我想要这个输出：

{
    arr[
       {
         word: "کامپیوتر",
         mean: "وسیله ی الکتریکی است 1.ماوس 2.کیبورد و مانیتور 3. کیس"  
       },

       {
        word: "چاپگر",
        mean: "وسیله ای است برای پرینت بر روی معمولا کاغذ"
       },

       {
        word: "موبایل",
        mean: "نوعی تلفن است به صورت سیار و بی سیم که جدیدا خیلی هم رایج شده است و اکثر انسان ها دارند"
       },

       {
        word: "خانه",
        mean: "محلی برای زندگی است. 1. حیوانات 2. انواع انسان ها برای خود خانه می سازند."
       }
      ]
}

好吧，我想我不能只使用explode(":", $str)。因为词的意思不是竞赛的，所以有时是几行。我想我需要正则表达式。那我该怎么做呢？

---

编辑：一个英文例子：

$str = "apple : it is a fruit
       computer : 1.an electronic device for storing and 
        processing data typically in binary form 2. according to
        instructionsgiven to it in a variable program"
        wall: a continuous vertical brick or stone structure
        that encloses or divides an area of land. 1. on the
       wall 2. brick wall 3. climbing wall";

我想要这个输出：

{
    arr[
       {
         word: "apple",
         mean: "it is a fruit"  
       },

       {
        word: "computer",
        mean: "1.an electronic device for storing and processing data typically in binary form 2. according to instructionsgiven to it in a variable program"
       },

       {
        word: "wall",
        mean: "a continuous vertical brick or stone structure that encloses or divides an area of land. 1. on the wall 2. brick wall 3. climbing wall"
       }
      ]
}

Answer 1

您可以使用以下正则表达式：

'~\h*(?<term>[^:\n]*?)\s*:\s*(?<mean>(?:(?!\n\h*[^\n:]*:).)*)~us'

见regex demo

我正在使用命名的捕获组，以便您以后可以更轻松地访问它们。 请注意，您需要 /u 修饰符才能在 PHP 正则表达式中处理 Unicode 字符串！

正则表达式匹配：

• \h* - 0 个或多个水平空格
• (?<term>[^:\n]*) - 组 1 命名为“term”，匹配除 : 和 \n 之外的 0 个或多个字符
• \s*:\s* - 0 个或多个空格，后跟 : 和零个或多个空格
• (?<mean>(?:(?!\n\h*[^\n:]*:).)*) - Group 2 命名为“mean”，匹配任何不以 spaces+ 开头的字符（因为我使用的是/s 修饰符）术语+:。这个(?:(?!...).)* 构造称为缓和贪婪令牌。您可以将其展开为 (?<mean>[^\n]*(?:\n(?!\h*[^\n:]*:)[^\n]*)*) 以获得更好的性能（192 步与 1226 步）。

将正则表达式与preg_match_all 一起使用，而不是与preg_replace 一起使用，因为您需要一个数组：

$str =" کامپیوتر : وسیله ی الکتریکی است 1.ماوس 2.کیبورد
       و مانیتور 3. کیس
چاپگر: وسیله ای است برای پرینت بر روی معمولا کاغذ
موبایل : نوعی تلفن است به صورت سیار و بی سیم
که جدیدا خیلی هم رایج شده است
و اکثر انسان ها دارند
خانه : محلی برای زندگی است. 1. حیوانات 2. انواع انسان ها
برای خود خانه می سازند. ";
preg_match_all('~\h*(?<term>[^:\n]*?)\s*:\s*(?<mean>(?:(?!\n\h*[^\n:]*:).)*)~us', $str, $m, PREG_SET_ORDER);
print_r($m);

请参阅code demo。

Answer 2

这是一个更好的方法。

这行得通，但您有一个额外的步骤来修剪 含义中的换行符。

只需坐在查找循环中。当您找到匹配项时，只需在
上运行此替换 含义的内容 - 第 2 组。
然后将结果存储在一个数组中。

查找：\s*\r?\n\s*
替换：“”

主正则表达式：

(?m)^\h*([^:\r\n]*?)\h*:(.*(?:\s*^(?!\h*[^:\r\n]*?\h*:).*)*)

Formatted and tested:

 (?m)
 ^ 
 \h* 
 ( [^:\r\n]*? )                # (1) Word
 \h* :
 (                             # (2 start) Meaning
      .*  
      (?:
           \s* 
           ^          
           (?!
                \h* [^:\r\n]*? \h* :
           )
           .* 
      )*
 )                             # (2 end)

输出：

 **  Grp 1 -  ( pos 1 , len 8 ) 
کامپیوتر  
 **  Grp 2 -  ( pos 11 , len 62 ) 
 وسیله ی الکتریکی است 1.ماوس 2.کیبورد
       و مانیتور 3. کیس  

---------------------

 **  Grp 1 -  ( pos 75 , len 5 ) 
چاپگر  
 **  Grp 2 -  ( pos 81 , len 43 ) 
 وسیله ای است برای پرینت بر روی معمولا کاغذ  

---------------------

 **  Grp 1 -  ( pos 126 , len 6 ) 
موبایل  
 **  Grp 2 -  ( pos 134 , len 90 ) 
 نوعی تلفن است به صورت سیار و بی سیم
که جدیدا خیلی هم رایج شده است
و اکثر انسان ها دارند  

---------------------

 **  Grp 1 -  ( pos 226 , len 4 ) 
خانه  
 **  Grp 2 -  ( pos 232 , len 76 ) 
 محلی برای زندگی است. 1. حیوانات 2. انواع انسان ها
برای خود خانه می سازند.