PHP - 改进正则表达式（空间和非捕获组）答案

【问题标题】：PHP - Improve Regex (space and non-capturing group)PHP - 改进正则表达式（空间和非捕获组）
【发布时间】：2015-04-16 10:27:19
【问题描述】：

我有这种字符串：

$string = "<strong>Blabla1</strong> Blaabla2<br /> Blaabla3 <strong>Blaabla4</strong> Blaabla5 Blaabla6<br /><br /> Blaabla7 <span style='color:#B22222;'>Blaabla8</span> Blaabla9";

我正在尝试用 preg_split 爆炸每个有 " " 或 " " 的单词。

我的条件：

对于每个单词 (Blablax)，我需要保留他的标签，例如 、、... 但在   或更多   之后拆分他

我试过了，感谢 stackoverflow 上的另一篇文章：

preg_split('/<br(\s\/)?>\K|\s/',$string,null,PREG_SPLIT_NO_EMPTY);

输出：

array (size=12)
  0 => string '<strong>Blabla1</strong>' (length=24)
  1 => string 'Blaabla2<br />' (length=14)
  2 => string 'Blaabla3' (length=8)
  3 => string '<strong>Blaabla4</strong>' (length=25)
  4 => string 'Blaabla5' (length=8)
  5 => string 'Blaabla6<br />' (length=14)
  6 => string '<br' (length=3)
  7 => string '/>' (length=2)
  8 => string 'Blaabla7' (length=8)
  9 => string '<span' (length=5)
  10 => string 'style='color:#B22222;'>Blaabla8</span>' (length=38)
  11 => string 'Blaabla9' (length=8)

对于index 6 和index 7（见上面的输出）和index 9 和index 10，一切都除了

我的期望：

array (size=12)
      0 => string '<strong>Blabla1</strong>' (length=24)
      1 => string 'Blaabla2<br />' (length=14)
      2 => string 'Blaabla3' (length=8)
      3 => string '<strong>Blaabla4</strong>' (length=25)
      4 => string 'Blaabla5' (length=8)
      5 => string 'Blaabla6<br /><br />' (length=14)
      6 => string 'Blaabla7' (length=8)
      7 => string '<span style='color:#B22222;'>Blaabla8</span>' (length=45)
      8 => string 'Blaabla9' (length=8)

见index 5和index 7

如果我只有一个 ，我的正则表达式可以工作，但如果有多个，就会出现错误...如果我有，则同上

谢谢！

【问题讨论】：

试试preg_split('/<br(\s\/)?>\K|\s/g',$string,null,PREG_SPLIT_NO_EMPTY);
为什么在索引 1 处多了一个  ？它不存在于输入中。
@nhahtdh 我的错...我编辑了我的帖子...索引 1 处没有多余的  ...
看看您对索引 7 的要求，我认为您最好使用 PHP 解析器。 stackoverflow.com/questions/3577641/…

标签： php regex

【解决方案1】：

$string = "<strong>Blabla1</strong> Blaabla2<br /> Blaabla3 <strong>Blaabla4</strong> Blaabla5 Blaabla6<br /><br /> Blaabla7 <span style='color:#B22222;'>Blaabla8</span> Blaabla9";

$matches = preg_split('/(<br.*?>|<span.*>)+\K|\s/sim', $string, null, PREG_SPLIT_NO_EMPTY );

var_dump($matches);
    /*
      array(9) {
  [0]=>
  string(24) "<strong>Blabla1</strong>"
  [1]=>
  string(14) "Blaabla2<br />"
  [2]=>
  string(8) "Blaabla3"
  [3]=>
  string(25) "<strong>Blaabla4</strong>"
  [4]=>
  string(8) "Blaabla5"
  [5]=>
  string(20) "Blaabla6<br /><br />"
  [6]=>
  string(8) "Blaabla7"
  [7]=>
  string(44) "<span style='color:#B22222;'>Blaabla8</span>"
  [8]=>
  string(8) "Blaabla9"
}
    */

DEMO

【讨论】：

【解决方案2】：

查看索引 5 和索引 7 处的预期数组，您可能需要这个正则表达式：

preg_split('~(?:</?[a-zA-Z0-9][^>]*+>|\S)++\K|\s~',$string,null,PREG_SPLIT_NO_EMPTY);

Demo on ideone

输出：

array(9) {
  [0]=>
  string(24) "<strong>Blabla1</strong>"
  [1]=>
  string(14) "Blaabla2<br />"
  [2]=>
  string(8) "Blaabla3"
  [3]=>
  string(25) "<strong>Blaabla4</strong>"
  [4]=>
  string(8) "Blaabla5"
  [5]=>
  string(20) "Blaabla6<br /><br />"
  [6]=>
  string(8) "Blaabla7"
  [7]=>
  string(44) "<span style='color:#B22222;'>Blaabla8</span>"
  [8]=>
  string(8) "Blaabla9"
}

正则表达式尝试匹配一个完整的标签，如果一个完整的标签不能被消费，它将消费一个非空格字符，然后冲洗并重复。这将防止标签被拆分，从而为索引 5 和 7 提供预期的输出。

不过，我不建议使用正则表达式。我在编写正则表达式时没有参考 HTML 规范，因此正则表达式非常脆弱，可能会在野外输入时中断。您可能想了解如何使用此问题中列出的库之一正确解析 HTML：How do you parse and process HTML/XML in PHP?

【讨论】：

感谢您的解释！我会看到你的链接:)

【解决方案3】：

这里是正则表达式

((?:<br\s*\/?>)+)|(?<!<br)\s+(?!\/?>)

将此与preg_replace 一起使用，使用$1\n 作为替换字符串，然后您可以通过换行符拆分以获取数组（删除空数组）。

见demo。

【讨论】：