代码之家 › 专栏 › 技术社区 › Ali

字符串分析帮助

string regex php

Ali · 技术社区 · 15 年前

我有一根如下的绳子:

$string = "
<paragraph>apples are red...</paragraph>
<paragraph>john is a boy..</paragraph>
<paragraph>this is dummy text......</paragraph>
";

我想将此字符串拆分为一个数组,其中包含在 <paragraph></paragraph> 标签。例如:

$string = "
<paragraph>apples are red...</paragraph>
<paragraph>john is a boy..</paragraph>
<paragraph>this is dummy text......</paragraph>
";

$paragraphs = splitParagraphs($string);
/* $paragraphs now contains:
   $paragraphs[0] = apples are red...
   $paragraphs[1] = john is a boy...
   $paragraphs[1] = this is dummy text...
*/

有什么想法吗?

另外,它应该不区分大小写, <paragraph>, <PARAGRAPH>, <Paragraph> 都应该以同样的方式对待。

编辑: 这不是XML,这里有很多东西会破坏XML的结构,因此我不能使用simpleXML等。我需要一个正则表达式来解析它。

7 回复 | 直到 15 年前

Mark Byers 15 年前

如果这实际上是XML,那么我同意其他答案。但是,如果它不是有效的XML,只是一些看起来像XML的东西,那么您应该不尝试用XML解析器解析它。相反,您可以使用正则表达式:

$matches = array();
preg_match_all(":<paragraph>(.*?)</paragraph>:is", $string, $matches);
$result = $matches[1];
print_r($result);

输出:

Array
(
    [0] => apples are red...
    [1] => john is a boy..
    [2] => this is dummy text......
)

请注意 i 表示不区分大小写 s 允许在文本中匹配新行。不在段落标记内的所有文本将被忽略。

Kobi 15 年前

如果这是一个简单的结构,没有嵌套:

preg_split("#</?paragraph>#i", $string);

忽略空标记:

preg_split("#</?paragraph>#i", $string, -1, PREG_SPLIT_NO_EMPTY);

资料来源: http://php.net/manual/en/function.preg-split.php

Brian Agnew 15 年前

如果你是 真的? 正在分析XML,然后 PHP DOM 在这里有用。上面可能有一个简单的例子,但是如果您要解析XML,我将使用一个专用的XML API。

zneak 15 年前

这看起来像XML。如果确实是这样,您应该使用simplexmlement或PHP的任何其他XML打包工具。

$xml = new SimpleXMLElement('<root>' . $paragraphs . '</root>');

foreach($xml->paragraph as $paragraph)
{
    // do stuff to $paragraph; it's strval is the contents of the paragraph
}

Mike Cialowicz 15 年前

嗯,您应该使用XML解析器,比如 SimpleXML 或 XMLReader .

但是,如果你想破解一些东西,下面的方法会有效:

$string = str_replace("<paragraph>", "", $string);
$string = str_replace("</paragraph>", "", $string);
$paragraphs = explode("\n", $string);

只要每行有一个项目,这就可以工作。如果您将所有内容都放在一行上,请将上面的第二行代码替换为:

$string = str_replace("</paragraph>", "\n", $string);

祝你好运!

intuited 15 年前

因此,假设段落中有一些东西将破坏XML格式,或者您只是想了解更多关于regexp解析的内容,那么这应该可以完成您发布的示例的工作。它并不是特别健壮,但这就是人们喜欢使用XML的原因,因为它有一个正式的语法,使它易于解析。或者更简单。特别是,这个解决方案依赖于正在分析的字符串,从段落标记开始,到段落结束标记结束,而且在每对段落之间除了空白之外没有其他内容。所以这是一个非常直接的例子问题的解决方案。但是,由于这是您自定义数据格式的唯一现有规范文档,所以我只能这样做:)

$string = " <paragraph>apples are red...</paragraph> <paragraph>john is a boy..</paragraph> <paragraph>this is dummy text......</paragraph> ";
$paragraphs = preg_replace('/(^\s*<paragraph>|<\/paragraph>\s*$)/', '', preg_split('/(?<=<\/paragraph>)\s*(?=<paragraph>)/', $string));

这里要做的是,在preg-split函数调用中,使用零宽度的lookaround断言查找每个段落的开头和结尾,然后调用preg-replace从每个块的开头和结尾裁剪标签。你最终得到的是 $paragraphs 存在

array (
  0 => 'apples are red...',
  1 => 'john is a boy..',
  2 => 'this is dummy text......',
)

Mike Cialowicz 15 年前

编辑后(不区分大小写,标记太大,XML解析器无法处理),应该可以执行以下操作:

$paragraphs = array();
$exploded = explode("</", $string);
unset($exploded[count($exploded) - 1]); //remove the useless, final "paragraph>" item
$exploded[0] = str_replace("<paragraph>", "", $exploded[0]); // first item is a special case
foreach($exploded as $item)
{
    array_push($paragraphs, str_replace("paragraph>\n<paragraph>", "", $item));
}