使用php preg_match（正则表达式）将camelCase单词拆分为单词

Posted 2023-02-24

【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。

【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：

oneTwoThreeFourStartsWithCaphasConsecutiveCAPSNewNASAModule

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！+1

NewNASAModule 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']);

【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, " " );

【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。

【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] : []);

【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

【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！

【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, ' '));