如何使用 preg_match_all() 获取子组匹配的所有捕获？ [复制]

Question

更新/注意：

我想我可能正在寻找的是在 PHP 中获取 captures of a group。

参考：PCRE regular expressions using named pattern subroutines.

（仔细阅读：）

---

我有一个包含可变数量段的字符串（简化）：

$subject = 'AA BB DD '; // could be 'AA BB DD CC EE ' as well

我现在想匹配段并通过匹配数组返回它们：

$pattern = '/^(([a-z]+) )+$/i';
$result = preg_match_all($pattern, $subject, $matches);

这将只返回捕获组 2 的 last 匹配项：DD。

有没有一种方法可以通过一次正则表达式执行检索所有子模式捕获（AA、BB、DD）？ preg_match_all不适合这个吗？

这个问题是一个概括性的问题。

$subject 和 $pattern 均已简化。自然，有了AA、BB、.. 这样的一般列表，使用其他函数（例如explode）或$pattern 的变体更容易提取。

但我特意询问如何使用preg_...-family 函数返回所有子组匹配项。

对于现实生活中的案例，假设您有多个（嵌套）级别的不同数量的子模式匹配。

示例

这是一个伪代码示例，用于描述一些背景。 想象一下：

令牌的常规定义：

   CHARS := [a-z]+
   PUNCT := [.,!?]
   WS := [ ]

$subject 得到基于这些的标记。标记化存储在标记数组中（类型、偏移量、...）。

然后将该数组转换为一个字符串，每个标记包含一个字符：

   CHARS -> "c"
   PUNCT -> "p"
   WS -> "s"

现在可以在令牌流字符串索引上运行基于令牌（而不是字符类等）的正则表达式。例如

   regex: (cs)?cp

表示一组或多组字符，后跟标点符号。

因为我现在可以将自定义标记表示为正则表达式，所以下一步是构建语法。这只是一个例子，这是一种 ABNF 风格：

   words = word | (word space)+ word
   word = CHARS+
   space = WS
   punctuation = PUNCT

如果我现在将 words 的语法编译成（令牌）正则表达式，我自然希望每个 word 的所有子组匹配。

  words = (CHARS+) | ( (CHARS+) WS )+ (CHARS+)    # words resolved to tokens
  words = (c+)|((c+)s)+c+                         # words resolved to regex

到目前为止，我可以编写代码。然后我遇到了子组比赛只包含他们最后一场比赛的问题。

所以我可以选择自己为语法创建一个自动机（我想阻止它以保持语法表达式的通用性），或者在某种程度上让 preg_match 以某种方式为我工作，这样我就可以省去它了。

基本上就是这样。或许现在可以理解我为什么简化问题了。

---

相关：

• pcrepattern man page
• Get repeated matches with preg_match_all()

Answer 1

类似线程：Get repeated matches with preg_match_all()

检查选择的答案加上我的可能有用我会在那里复制：

来自http://www.php.net/manual/en/regexp.reference.repetition.php：

当重复捕获子模式时，捕获的值是匹配最终迭代的子字符串。

我个人放弃并打算分两步完成。

编辑：

我在另一个线程中看到someone 声称lookbehind 方法能够做到这一点。

Answer 2

是的，你的权利你的解决方案是使用 preg_match_all preg_match_all 是递归的，所以不要使用 start-with^ 和 end-with$，以便 preg_match_all 将所有找到的模式放在一个数组中。

每对新的括号都会添加一个新的数组来指示不同的匹配项

使用? 进行可选匹配

您可以用括号 () 分隔报告的不同模式组，以要求找到一个组并将其添加到新数组中（可以让您计算匹配项，或从返回的数组中对每个匹配项进行分类）

需要说明

让我试着理解你的问题，以便我的回答与你所问的相符。

1. 您的$subject 不是您正在寻找的一个很好的例子？

2. 您希望预匹配搜索，将您在 $subject 中提供的内容拆分为 4 个类别、单词、字符、标点符号和空格？那么数字呢？

3. 您还希望返回的匹配项指定匹配项的偏移量吗？

$subject = 'aa.bb cc.dd EE FFF,GG'; 是否更适合现实生活中的例子？

我将在$subject 中采用您的基本示例，并使其能够准确地满足您的要求。

所以你能编辑你的$subject 以便我更适合你想要匹配的所有案例

原'/^(([a-z]+) )+$/i';

随时通知我， 你可以在这里测试你的正则表达式http://www.spaweditor.com/scripts/regex/index.php

部分回答

/([a-z])([a-z]+)/i

AA BB DD CD

Array
(
    [0] => Array
        (
            [0] => AA
            [1] => BB
            [2] => DD
            [3] => CD
        )

    [1] => Array
        (
            [0] => A
            [1] => B
            [2] => D
            [3] => C
        )

    [2] => Array
        (
            [0] => A
            [1] => B
            [2] => D
            [3] => D
        )

)

Answer 3

有没有一种方法可以通过一次正则表达式检索来检索所有匹配项（AA、BB、DD）？是不是 preg_match_all 不适合这个？

您当前的正则表达式似乎用于 preg_match() 调用。试试这个：

$pattern = '/[a-z]+/i';
$result = preg_match_all($pattern, $subject, $matches);

---

每个 cmets，我提到的 ruby​​ 正则表达式：

sentence = %r{
(?<subject>   cat   | dog        ){0}
(?<verb>      eats  | drinks     ){0}
(?<object>    water | bones      ){0}
(?<adjective> big   | smelly     ){0}
(?<obj_adj>   (\g<adjective>\s)? ){0}
The\s\g<obj_adj>\g<subject>\s\g<verb>\s\g<opt_adj>\g<object>
}x

md = sentence.match("The cat drinks water");
md = sentence.match("The big dog eats smelly bones");

但我认为你需要一个词法分析器/解析器/标记器来在 PHP 中做同样的事情。 :-|

Answer 4

我可能误解了您所描述的内容。您是否只是在寻找中间有空格的字母组的模式？

// any subject containing words:
$subject = 'AfdfdfdA BdfdfdB DdD'; 
$subject = 'AA BB CC';
$subject = 'Af df dfdA Bdf dfdB DdD';

$pattern = '/(([a-z]+)\s)+[a-z]+/i';

$result = preg_match_all($pattern, $subject, $matches);
print_r($matches);
echo "<br/>";
print_r($matches[0]);  // this matches $subject
echo "<br/>".$result;

Answer 5

怎么样：

$str = 'AA BB CC';
$arr = preg_split('/\s+/', $str);
print_r($arr);

输出：

(
    [0] => AA
    [1] => BB
    [2] => CC
)

Answer 6

试试这个：

preg_match_all("'[^ ]+'i",$text,$n);

$n[0] 将包含文本中所有非空格字符组的数组。

编辑：带有子组：

preg_match_all("'([^ ]+)'i",$text,$n);

现在$n[1] 将包含与$n[0] 完全相同的子组匹配项。这其实是没有意义的。

Edit2： 嵌套子组示例：

$test = "Hello I'm Joe! Hi I'm Jane!";
preg_match_all("/(H(ello|i)) I'm (.*?)!/i",$test,$n);

结果：

Array
(
    [0] => Array
        (
            [0] => Hello I'm Joe!
            [1] => Hi I'm Jane!
        )

    [1] => Array
        (
            [0] => Hello
            [1] => Hi
        )

    [2] => Array
        (
            [0] => ello
            [1] => i
        )

    [3] => Array
        (
            [0] => Joe
            [1] => Jane
        )

)

Answer 7

您无法提取子模式，因为您编写正则表达式的方式仅返回一个匹配项（同时使用 ^ 和 $，并在主模式上使用 +）。

如果你这样写，你会看到你的子组是正确的：

$pattern = '/(([a-z]+) )/i';

（这仍然有一组不必要的括号，我只是把它留在那里以作说明）

Answer 8

编辑

我没有意识到你最初的要求。这是新的解决方案：

$result = preg_match_all('/[a-z]+/i', $subject, $matches);
$resultArr = ($result) ? $matches[0] : array();