PHP：用逗号分割字符串，但不是在大括号或引号之间？

Question

在 PHP 中，我有以下字符串：

$str = "AAA, BBB, (CCC,DDD), 'EEE', 'FFF,GGG', ('HHH','III'), (('JJJ','KKK'), LLL, (MMM,NNN)) , OOO"; 

我需要把这个字符串分成以下几部分：

AAA
BBB
(CCC,DDD)
'EEE'
'FFF,GGG'
('HHH','III')
(('JJJ','KKK'),LLL, (MMM,NNN))
OOO

我尝试了几个正则表达式，但找不到解决方案。 有什么想法吗？

更新

在处理格式错误的数据、转义引号等时，我认为使用正则表达式并不是最好的解决方案。

感谢这里提出的建议，我找到了一个使用解析的函数，我重写了它以满足我的需要。它可以处理不同类型的括号，分隔符和引号也是参数。

 function explode_brackets($str, $separator=",", $leftbracket="(", $rightbracket=")", $quote="'", $ignore_escaped_quotes=true ) {

    $buffer = '';
    $stack = array();
    $depth = 0;
    $betweenquotes = false;
    $len = strlen($str);
    for ($i=0; $i<$len; $i++) {
      $previouschar = $char;
      $char = $str[$i];
      switch ($char) {
        case $separator:
          if (!$betweenquotes) {
            if (!$depth) {
              if ($buffer !== '') {
                $stack[] = $buffer;
                $buffer = '';
              }
              continue 2;
            }
          }
          break;
        case $quote:
          if ($ignore_escaped_quotes) {
            if ($previouschar!="\\") {
              $betweenquotes = !$betweenquotes;
            }
          } else {
            $betweenquotes = !$betweenquotes;
          }
          break;
        case $leftbracket:
          if (!$betweenquotes) {
            $depth++;
          }
          break;
        case $rightbracket:
          if (!$betweenquotes) {
            if ($depth) {
              $depth--;
            } else {
              $stack[] = $buffer.$char;
              $buffer = '';
              continue 2;
            }
          }
          break;
        }
        $buffer .= $char;
    }
    if ($buffer !== '') {
      $stack[] = $buffer;
    }

    return $stack;
  }

Answer 1

不要使用preg_split，而是使用preg_match_all：

$str = "AAA, BBB, (CCC,DDD), 'EEE', 'FFF,GGG', ('HHH','III'), (('JJJ','KKK'), LLL, (MMM,NNN)) , OOO"; 

preg_match_all("/\((?:[^()]|(?R))+\)|'[^']*'|[^(),\s]+/", $str, $matches);

print_r($matches);

将打印：

数组
(
    [0] => 数组
        (
            [0] => AAA
            [1] => BBB
            [2] => (CCC,DDD)
            [3] => 'EEE'
            [4] => 'FFF,GGG'
            [5] => ('HHH','III')
            [6] => (('JJJ','KKK'), LLL, (MMM,NNN))
            [7] => 噢噢噢
        )

)

正则表达式\((?:[^()]|(?R))+\)|'[^']*'|[^(),\s]+可以分为三部分：

1. \((?:[^()]|(?R))+\)，匹配平衡的括号对
2. '[^']*' 匹配带引号的字符串
3. [^(),\s]+ 匹配任何不包含 '('、')'、',' 或空白字符的字符序列

Answer 2

疯狂的解决方案

一个简单的正则表达式，它标记化并验证它提取的所有标记：

\G\s*+((\((?:\s*+(?2)\s*+(?(?!\)),)|\s*+[^()',\s]++\s*+(?(?!\)),)|\s*+'[^'\r\n]*+'\s*+(?(?!\)),))++\))|[^()',\s]++|'[^'\r\n]*+')\s*+(?:,|$)

Regex101

把它放在字符串文字中，带分隔符：

'/\G\s*+((\((?:\s*+(?2)\s*+(?(?!\)),)|\s*+[^()\',\s]++\s*+(?(?!\)),)|\s*+\'[^\'\r\n]*+\'\s*+(?(?!\)),))++\))|[^()\',\s]++|\'[^\'\r\n]*+\')\s*+(?:,|$)/'

ideone

结果是在捕获组 1。在 ideone 上的示例中，我指定了PREG_OFFSET_CAPTURE 标志，以便您可以检查组 0（整个匹配）中的 last match 是否整个源字符串是否被消费。

假设

• 未引用的文本不得包含任何空白字符，如\s 所定义。因此，它可能不会跨越多行。
• 未引用的文本不得包含(、)、' 或,。
• 不带引号的文本必须至少包含 1 个字符。
• 单引号文本不能跨越多行。
• 单引号文本可能不包含引号。因此，无法指定'。
• 单引号文本可能为空。
• 括号标记包含以下一项或多项作为子标记：非引号文本标记、单引号文本标记或其他括号标记。
• 在括号token中，相邻的2个子token之间正好被一个,隔开
• 括号标记以( 开头，以) 结尾。
• 因此，括号令牌必须具有平衡括号，并且不允许使用空括号()。
• 输入将包含以下一项或多项：非引号文本、单引号文本或括号标记。输入中的标记用逗号, 分隔。单个尾随逗号 , 被视为有效。
• 空白字符（由\s定义，包括换行符）在标记、逗号,分隔标记和括号(、@987654341之间任意允许@ 括号标记。

故障

\G\s** ( ( \( （？： \s** (?2) \s** (?(?!\)),) | \s** [^()',\s]++ \s** (?(?!\)),) | \s** '[^'\r\n]*+' \s** (?(?!\)),) )++ \) ) | [^()',\s]++ | '[^'\r\n]*+' ) \s*+(?:,|$)