通过正则表达式清理逗号分隔的列表答案

【问题标题】：Clean up a comma-separated list by regex通过正则表达式清理逗号分隔的列表
【发布时间】：2022-01-13 08:42:36
【问题描述】：

我想清理以逗号分隔的标签列表以删除空标签和多余的空格。我想出了

$str='first , second ,, third, ,fourth   suffix';
echo preg_replace('#[,]{2,}#',',',preg_replace('#\s*,+\s*#',',',preg_replace('#\s+#s',' ',$str)));

到目前为止效果很好，但是否可以一次替换？

【问题讨论】：

为什么要使用正则表达式？使用split()、trim() 和array_filter() 会更容易。
你想要的确切输出是什么？
为什么要删除空元素？大概这代表了一些东西，而且它恰好是空白的。删除它会丢失信息。
@Barmar 因为目的是清理字符串，而不是提取标签。然后，我必须添加另一个步骤implode。我发现正则表达式替换更快更容易。
@TimBiegeleisen 预期的输出正是上面的回声。系统工作正常，我只是想尽量减少进程数。

标签： php regex preg-replace

【解决方案1】：

你可以使用：

[\h*([,\h])[,\h]*

查看在线demo。或者：

\h*([,\h])(?1)*

在线查看demo

\h* - 0+（贪婪）水平空白字符；
([,\h]) - 第一个匹配逗号或水平空格的捕获组；
[,\h]* - 选项 1：0+（贪婪）逗号或水平空白字符；
(?1)* - 选项 2：递归第一个子模式 0+（贪婪）次。

替换为第一个捕获组：

$str='first , second ,, third, ,fourth   suffix';
echo preg_replace('~\h*([,\h])[,\h]*~', '$1', $str);
echo preg_replace('~\h*([,\h])(?1)*~', '$1', $str);

两个打印：

first,second,third,fourth suffix

【讨论】：

【解决方案2】：

你可以使用

preg_replace('~\s*(?:(,)\s*)+|(\s)+~', '$1$2', $str)

将两个选项合并为一个结果

preg_replace('~\s*(?:([,\s])\s*)+~', '$1', $str)

请参阅 regex demo 和 PHP demo。详情：

\s*(?:(,)\s*)+ - 零个或多个空格，然后出现一个或多个逗号（捕获到第 1 组 ($1)），然后是零个或多个空格
| - 或
(\s)+ - 一个或多个空格，同时将最后一个空格捕获到第 2 组 ($2)。

在第二个正则表达式中，([,\s]) 捕获单个逗号或空格字符。

第二个正则表达式匹配：

\s* - 零个或多个空格
(?:([,\s])\s*)+ - 出现一次或多次
- ([,\s]) - 第 1 组 ($1)：逗号或空格
- \s* - 零个或多个空格

见PHP demo：

<?php
 
$str='first , second ,, third, ,fourth   suffix';
echo preg_replace('~\s*(?:(,)\s*)+|(\s)+~', '$1$2', $str) . PHP_EOL;
echo preg_replace('~\s*(?:([,\s])\s*)+~', '$1', $str);
// => first,second,third,fourth suffix
//    first,second,third,fourth suffix

奖金

此解决方案可移植到所有 NFA 正则表达式风格，这是一个 JavaScript 演示：

const str = 'first , second ,, third, ,fourth   suffix';
console.log(str.replace(/\s*(?:(,)\s*)+|(\s)+/g, '$1$2'));
console.log(str.replace(/\s*(?:([,\s])\s*)+/g, '$1'));

它甚至可以进行调整以用于 POSIX 工具，例如 sed：

sed -E 's/[[:space:]]*(([,[:space:]])[[:space:]]*)+/\2/g' file > outputfile

请参阅online demo。

【讨论】：