使用php preg_match(正则表达式)将camelCase单词拆分为单词
Posted
技术标签:
【中文标题】使用php preg_match(正则表达式)将camelCase单词拆分为单词【英文标题】:Split camelCase word into words with php preg_match (Regular Expression) 【发布时间】:2011-05-30 00:24:37 【问题描述】:我将如何拆分单词:
oneTwoThreeFour
放入一个数组,这样我就可以得到:
one Two Three Four
与preg_match
?
我厌倦了这个,但它只是给出了整个词
$words = preg_match("/[a-zA-Z]*(?:[a-z][a-zA-Z]*[A-Z]|[A-Z][a-zA-Z]*[a-z])[a-zA-Z]*\b/", $string, $matches)`;
【问题讨论】:
也许我的问题可以帮助你,我昨天问了同样的事情,但是关于 Java ***.com/questions/4502273/… 【参考方案1】:您可以将preg_split
用作:
$arr = preg_split('/(?=[A-Z])/',$str);
See it
我基本上是在大写字母之前分割输入字符串。使用的正则表达式 (?=[A-Z])
匹配大写字母之前的点。
【讨论】:
【参考方案2】:您也可以将preg_match_all
用作:
preg_match_all('/((?:^|[A-Z])[a-z]+)/',$str,$matches);
解释:
( - Start of capturing parenthesis.
(?: - Start of non-capturing parenthesis.
^ - Start anchor.
| - Alternation.
[A-Z] - Any one capital letter.
) - End of non-capturing parenthesis.
[a-z]+ - one ore more lowercase letter.
) - End of capturing parenthesis.
【讨论】:
非捕获组不会导致结果为[one, wo, hree, our]? @AaronJLang 否,因为外括号捕获整个组,包括子组。这是一个他不想弄乱 $matches 集合的子组。 这对我来说失败了,“TestID”使用:“preg_match_all('/((?:^|[AZ])[az]+)/', $key, $matches); die(内爆(' ', $matches[0]));"因为它不喜欢连续大写的问题。我需要用空格分隔大小写更改,@blak3r 的解决方案对我有用:***.com/a/17122207/539149 对htmlParser
等字符串的更好解决方案:***.com/a/6572999/1697320。
按照@TarranJones 的规定(虽然没有说得太清楚),你不需要外括号。 '/(?:^|[A-Z])[a-z]+/'
的匹配字符串足以生成一个数组(而不是两个)。这是因为preg_match_all()
会自动捕获匹配的所有实例,而无需您具体规定。【参考方案3】:
我知道这是一个已被接受的老问题,但恕我直言,有更好的解决方案:
<?php // test.php Rev:20140412_0800
$ccWord = 'NewNASAModule';
$re = '/(?#! splitCamelCase Rev:20140412)
# Split camelCase "words". Two global alternatives. Either g1of2:
(?<=[a-z]) # Position is after a lowercase,
(?=[A-Z]) # and before an uppercase letter.
| (?<=[A-Z]) # Or g2of2; Position is after uppercase,
(?=[A-Z][a-z]) # and before upper-then-lower case.
/x';
$a = preg_split($re, $ccWord);
$count = count($a);
for ($i = 0; $i < $count; ++$i)
printf("Word %d of %d = \"%s\"\n",
$i + 1, $count, $a[$i]);
?>
请注意,这个正则表达式(就像 codaddict 的 '/(?=[A-Z])/'
解决方案一样 - 它对格式良好的驼峰式单词很有效)只匹配字符串中的 position 并且根本不使用任何文本。此解决方案还有一个额外的好处,即它也适用于格式不太好的伪驼峰式单词,例如:StartsWithCap
和:hasConsecutiveCAPS
。
输入:
oneTwoThreeFour
StartsWithCap
hasConsecutiveCAPS
NewNASAModule
输出:
Word 1 of 4 = "one"
Word 2 of 4 = "Two"
Word 3 of 4 = "Three"
Word 4 of 4 = "Four"
Word 1 of 3 = "Starts"
Word 2 of 3 = "With"
Word 3 of 3 = "Cap"
Word 1 of 3 = "has"
Word 2 of 3 = "Consecutive"
Word 3 of 3 = "CAPS"
Word 1 of 3 = "New"
Word 2 of 3 = "NASA"
Word 3 of 3 = "Module"
编辑:2014-04-12:修改正则表达式、脚本和测试数据以正确拆分:"NewNASAModule"
大小写(响应 rr 的评论)。
【讨论】:
这是一个更好的解决方案,第一次工作(其他人在数组中添加了空白值,这个是完美的!谢谢!+1NewNASAModule
之类的字符串似乎有问题(输出:[New, NASAModule]
;我希望[New, NASA, Module]
)
@rr - 是的,你是对的。请参阅我的另一个更新的答案:NewNASAModule
正确:RegEx to split camelCase or TitleCase (advanced)
它不包括数字的情况。出于某种原因,其他回复者也忽略了这个基本事实。例如。 “Css3Transform”或类似的【参考方案4】:
虽然 ridgerunner 的答案效果很好,但它似乎不适用于出现在句子中间的全大写子字符串。我使用以下,它似乎处理这些就好了:
function splitCamelCase($input)
return preg_split(
'/(^[^A-Z]+|[A-Z][^A-Z]+)/',
$input,
-1, /* no limit for replacement count */
PREG_SPLIT_NO_EMPTY /*don't return empty elements*/
| PREG_SPLIT_DELIM_CAPTURE /*don't strip anything from output array*/
);
一些测试用例:
assert(splitCamelCase('lowHigh') == ['low', 'High']);
assert(splitCamelCase('WarriorPrincess') == ['Warrior', 'Princess']);
assert(splitCamelCase('SupportSEELE') == ['Support', 'SEELE']);
assert(splitCamelCase('LaunchFLEIAModule') == ['Launch', 'FLEIA', 'Module']);
assert(splitCamelCase('anotherNASATrip') == ['another', 'NASA', 'Trip']);
【讨论】:
【参考方案5】:@ridgerunner 答案的功能化版本。
/**
* Converts camelCase string to have spaces between each.
* @param $camelCaseString
* @return string
*/
function fromCamelCase($camelCaseString)
$re = '/(?<=[a-z])(?=[A-Z])/x';
$a = preg_split($re, $camelCaseString);
return join($a, " " );
【讨论】:
【参考方案6】:$string = preg_replace( '/([a-z0-9])([A-Z])/', "$1 $2", $string );
诀窍是一个可重复的模式 $1 $2$1 $2 或更低 UPPERlower UPPERlower 等等...... 例如 helloWorld = $1 匹配“hello”,$2 匹配“W”,$1 再次匹配“orld”,所以简而言之,你得到 $1 $2$1 或“hello World”,将 HelloWorld 匹配为 $2$1 $2$1 或再次匹配“Hello World”。然后您可以将它们小写,将第一个单词大写或在空格上展开,或使用 _ 或其他字符将它们分开。
简短而简单。
【讨论】:
【参考方案7】:在为您的项目确定最佳模式时,您需要考虑以下模式因素:
-
准确性(稳健性)- 模式是否在所有情况下都是正确的,并且是否合理地面向未来
效率——模式应该是直接的、深思熟虑的,避免不必要的劳动
简洁——模式应该使用适当的技术来避免不必要的字符长度
可读性——模式应尽可能简单
以上因素也恰好是在努力服从的等级秩序中。换句话说,当 1 不能完全满足要求时,优先考虑 2、3 或 4 对我来说没有多大意义。对我来说,可读性位于列表的底部,因为在大多数情况下我可以遵循语法。
捕获组和 Lookarounds 通常会影响模式效率。事实是,除非您在数千个输入字符串上执行此正则表达式,否则无需为效率而努力。可能更重要的是关注与模式简洁相关的模式可读性。
下面的一些模式需要通过它们的preg_
函数进行一些额外的处理/标记,但这里有一些基于 OP 示例输入的模式比较:
preg_split()
模式:
/^[^A-Z]+\K|[A-Z][^A-Z]+\K/
(21 步)
/(^[^A-Z]+|[A-Z][^A-Z]+)/
(26 步)
/[^A-Z]+\K(?=[A-Z])/
(43 步)
/(?=[A-Z])/
(50 步)
/(?=[A-Z]+)/
(50 步)
/([a-z]1)[A-Z]1/
(53 步)
/([a-z0-9])([A-Z])/
(68 步)
/(?<=[a-z])(?=[A-Z])/x
(94 步)...作为记录,x
没用。
/(?<=[a-z])(?=[A-Z])|(?<=[A-Z])(?=[A-Z][a-z])/
(134 步)
preg_match_all()
模式:
/[A-Z]?[a-z]+/
(14 步)
/((?:^|[A-Z])[a-z]+)/
(35 步)
我会指出preg_match_all()
和preg_split()
的输出之间存在细微差别。 preg_match_all()
将输出一个二维数组,换句话说,所有的全字符串匹配都将在[0]
子数组中;如果使用了捕获组,则这些子字符串将位于 [1]
子数组中。另一方面,preg_split()
只输出一个一维数组,因此提供了一个不那么臃肿且更直接的路径到所需的输出。
在处理其中包含全大写/首字母缩略词子字符串的驼峰式字符串时,某些模式是不够的。如果这是您项目中可能出现的边缘情况,则只考虑正确处理这些情况的模式是合乎逻辑的。我不会测试 TitleCase 输入字符串,因为这离问题太远了。
新的扩展测试串电池:
oneTwoThreeFour
hasConsecutiveCAPS
newNASAModule
USAIsGreatAgain
合适的preg_split()
模式:
/[a-z]+\K|(?=[A-Z][a-z]+)/
(149 步)*我必须使用 [a-z]
才能让演示正确计数
/(?<=[a-z])(?=[A-Z])|(?<=[A-Z])(?=[A-Z][a-z])/
(547 步)
适合preg_match_all()
模式:
/[A-Z]?[a-z]+|[A-Z]+(?=[A-Z][a-z]|$)/
(75 步)
最后,我的建议基于我的模式原则/因素层次结构。此外,我推荐preg_split()
而不是preg_match_all()
(尽管模式的步骤更少)作为对所需输出结构的直接性问题。 (当然,选择你喜欢的)
代码:(Demo)
$noAcronyms = 'oneTwoThreeFour';
var_export(preg_split('~^[^A-Z]+\K|[A-Z][^A-Z]+\K~', $noAcronyms, 0, PREG_SPLIT_NO_EMPTY));
echo "\n---\n";
var_export(preg_match_all('~[A-Z]?[^A-Z]+~', $noAcronyms, $out) ? $out[0] : []);
代码:(Demo)
$withAcronyms = 'newNASAModule';
var_export(preg_split('~[^A-Z]+\K|(?=[A-Z][^A-Z]+)~', $withAcronyms, 0, PREG_SPLIT_NO_EMPTY));
echo "\n---\n";
var_export(preg_match_all('~[A-Z]?[^A-Z]+|[A-Z]+(?=[A-Z][^A-Z]|$)~', $withAcronyms, $out) ? $out[0] : []);
【讨论】:
【参考方案8】:我把酷哥 Ridgerunner 的代码(上图)做成了一个函数:
echo deliciousCamelcase('NewNASAModule');
function deliciousCamelcase($str)
$formattedStr = '';
$re = '/
(?<=[a-z])
(?=[A-Z])
| (?<=[A-Z])
(?=[A-Z][a-z])
/x';
$a = preg_split($re, $str);
$formattedStr = implode(' ', $a);
return $formattedStr;
这将返回:New NASA Module
【讨论】:
【参考方案9】:另一个选项是匹配/[A-Z]?[a-z]+/
- 如果您知道您的输入格式正确,它应该可以正常工作。
[A-Z]?
将匹配大写字母(或不匹配)。然后[a-z]+
将匹配所有后面的小写字母,直到下一个匹配。
工作示例:https://regex101.com/r/kNZfEI/1
【讨论】:
又好又瘦——总是喜欢这样。 @jbobbins - 谢谢,已更新。 ideone 在某些时候旧的例子过期了,所以很多旧的例子仍然被破坏。 @Kobi 谢谢。请注意,我粘贴了 rr- 帖子中的断言文本,而带有多个大写字母的断言文本不起作用。 regex101.com/r/kNZfEI/2【参考方案10】:您可以这样从小写“滑行”拆分为大写:
$parts = preg_split('/([a-z]1)[A-Z]1/', $string, -1, PREG_SPLIT_DELIM_CAPTURE);
//PREG_SPLIT_DELIM_CAPTURE to also return bracketed things
var_dump($parts);
令人讨厌的是,您将不得不从 $parts 中每对相应的项目中重建单词
希望对你有帮助
【讨论】:
哎呀,这可能会在 CONSECUTIVE CAPS 问题上失败【参考方案11】:首先 codaddict 感谢您的模式,它帮助很大!
如果存在介词“a”,我需要一个可行的解决方案:
例如thisIsACamelcaseSentence。
我通过两步 preg_match 找到了解决方案,并使用了一些选项创建了一个函数:
/*
* input: 'thisIsACamelCaseSentence' output: 'This Is A Camel Case Sentence'
* options $case: 'allUppercase'[default] >> 'This Is A Camel Case Sentence'
* 'allLowerCase' >> 'this is a camel case sentence'
* 'firstUpperCase' >> 'This is a camel case sentence'
* @return: string
*/
function camelCaseToWords($string, $case = null)
isset($case) ? $case = $case : $case = 'allUpperCase';
// Find first occurances of two capitals
preg_match_all('/((?:^|[A-Z])[A-Z]1)/',$string, $twoCapitals);
// Split them with the 'zzzzzz' string. e.g. 'AZ' turns into 'AzzzzzzZ'
foreach($twoCapitals[0] as $match)
$firstCapital = $match[0];
$lastCapital = $match[1];
$temp = $firstCapital.'zzzzzz'.$lastCapital;
$string = str_replace($match, $temp, $string);
// Now split words
preg_match_all('/((?:^|[A-Z])[a-z]+)/', $string, $words);
$output = "";
$i = 0;
foreach($words[0] as $word)
switch($case)
case 'allUpperCase':
$word = ucfirst($word);
break;
case 'allLowerCase':
$word = strtolower($word);
break;
case 'firstUpperCase':
($i == 0) ? $word = ucfirst($word) : $word = strtolower($word);
break;
// remove te 'zzzzzz' from a word if it has
$word = str_replace('zzzzzz','', $word);
$output .= $word." ";
$i++;
return $output;
随意使用它,如果有一种“更简单”的方法可以一步完成,请发表评论!
【讨论】:
【参考方案12】:基于@codaddict 答案的完整功能:
function splitCamelCase($str)
$splitCamelArray = preg_split('/(?=[A-Z])/', $str);
return ucwords(implode($splitCamelArray, ' '));
【讨论】:
以上是关于使用php preg_match(正则表达式)将camelCase单词拆分为单词的主要内容,如果未能解决你的问题,请参考以下文章
PHP 正则表达式匹配 preg_match 与 preg_match_all 函数