PHP 和 RegEx：用不在括号内的逗号（以及嵌套括号）拆分字符串

Posted 2023-02-24

【中文标题】PHP 和 RegEx：用不在括号内的逗号（以及嵌套括号）拆分字符串

【英文标题】：PHP and RegEx: Split a string by commas that are not inside brackets (and also nested brackets)

【发布时间】：2010-11-08 06:11:44

【问题描述】：

两天前，我开始研究代码解析器，但遇到了困难。

如何用不在括号内的逗号分隔字符串，让我告诉你我的意思：

我有这个字符串要解析：

one, two, three, (four, (five, six), (ten)), seven

我想得到这个结果：

array(
 "one"; 
 "two"; 
 "three"; 
 "(four, (five, six), (ten))"; 
 "seven"
)

但我得到：

array(
  "one"; 
  "two"; 
  "three"; 
  "(four"; 
  "(five"; 
  "six)"; 
  "(ten))";
  "seven"
)

我如何在 php RegEx 中做到这一点。

提前谢谢你！

【参考方案1】：

您可以更轻松地做到这一点：

preg_match_all('/[^(,\s]+|\([^)]+\)/', $str, $matches)

但如果你使用真正的解析器会更好。也许是这样的：

$str = 'one, two, three, (four, (five, six), (ten)), seven';
$buffer = '';
$stack = array();
$depth = 0;
$len = strlen($str);
for ($i=0; $i<$len; $i++) 
    $char = $str[$i];
    switch ($char) 
    case '(':
        $depth++;
        break;
    case ',':
        if (!$depth) 
            if ($buffer !== '') 
                $stack[] = $buffer;
                $buffer = '';
            
            continue 2;
        
        break;
    case ' ':
        if (!$depth) 
            continue 2;
        
        break;
    case ')':
        if ($depth) 
            $depth--;
         else 
            $stack[] = $buffer.$char;
            $buffer = '';
            continue 2;
        
        break;
    
    $buffer .= $char;

if ($buffer !== '') 
    $stack[] = $buffer;

var_dump($stack);

【讨论】：

是的，它更简单，但在嵌套括号的情况下不起作用，例如：一、二、三、（四、（五、六）、（十））、七跨度>

这就是你必须使用真正的解析器的地方。正则表达式不能计算或处理状态。

我必须使用正则表达式。正则表达式是递归和贪婪的，你可以使用它们来完成。

不，你不能。当然，现代实现中的某些功能可以实现这一点，例如 .NET 的 Balancing 组 (?<name1-name2> … ) msdn.microsoft.com/bs2twtah.aspx。但他们使用状态机，这不再是经典方式的正则表达式。

这个更正确，但仍然不适用于嵌套括号 /[^(,]*(?:([^)]+))?[^),]*/

【参考方案2】：

嗯...好的已经标记为已回答，但是既然你要求一个简单的解决方案，我还是会尝试：

$test = "one, two, three, , , ,(four, five, six), seven, (eight, nine)";
$split = "/([(].*?[)])|(\w)+/";
preg_match_all($split, $test, $out);
print_r($out[0]);              

输出

Array
(
    [0] => one
    [1] => two
    [2] => three
    [3] => (four, five, six)
    [4] => seven
    [5] => (eight, nine)
)

【讨论】：

非常感谢，非常感谢您的帮助。但是现在我意识到我也会遇到嵌套括号，并且您的解决方案不适用。

【参考方案3】：

你不能，直接。你至少需要可变宽度的lookbehind，最后我知道PHP的PCRE只有固定宽度的lookbehind。

我的第一个建议是首先从字符串中提取带括号的表达式。不过，我对您的实际问题一无所知，所以我不知道这是否可行。

【讨论】：

是的，这就是我打算使用的 hack。用 $1、$2 或类似的东西替换括号，拆分字符串，然后恢复结果中的括号。谢谢！

重点是你描述的不是正则语言，所以正则表达式不合适。因此，首先解析出所有嵌套部分不是“hack”，而是最明智的做法。

【参考方案4】：

我想不出使用单个正则表达式的方法，但是很容易将一些有效的东西组合在一起：

function process($data)

        $entries = array();
        $filteredData = $data;
        if (preg_match_all("/\(([^)]*)\)/", $data, $matches)) 
                $entries = $matches[0];
                $filteredData = preg_replace("/\(([^)]*)\)/", "-placeholder-", $data);
        

        $arr = array_map("trim", explode(",", $filteredData));

        if (!$entries) 
                return $arr;
        

        $j = 0;
        foreach ($arr as $i => $entry) 
                if ($entry != "-placeholder-") 
                        continue;
                

                $arr[$i] = $entries[$j];
                $j++;
        

        return $arr;

如果你这样调用它：

$data = "one, two, three, (four, five, six), seven, (eight, nine)";
print_r(process($data));

它输出：

Array
(
    [0] => one
    [1] => two
    [2] => three
    [3] => (four, five, six)
    [4] => seven
    [5] => (eight, nine)
)

【讨论】：

非常感谢，这应该可以了。这是我最初计划的方式，但我认为存在更简单的方法。

您的方法无法解析“一、二、三、（（五）、（四（六）））、七、八、九”。我认为正确的正则表达式是递归的：/(([^()]+|(?R))*)/.

不过，当我第一次写这个答案时，你没有提到它必须能够解析递归表达式。不过，在我写完这篇文章后，其他人肯定会提出更好的解决方案。

【参考方案5】：

笨拙，但它可以完成工作......

<?php

function split_by_commas($string) 
  preg_match_all("/\(.+?\)/", $string, $result); 
  $problem_children = $result[0];
  $i = 0;
  $temp = array();
  foreach ($problem_children as $submatch)  
    $marker = '__'.$i++.'__';
    $temp[$marker] = $submatch;
    $string   = str_replace($submatch, $marker, $string);  
  
  $result = explode(",", $string);
  foreach ($result as $key => $item) 
    $item = trim($item);
    $result[$key] = isset($temp[$item])?$temp[$item]:$item;
  
  return $result;



$test = "one, two, three, (four, five, six), seven, (eight, nine), ten";

print_r(split_by_commas($test));

?>

【参考方案6】：

恐怕解析嵌套括号可能非常困难，例如 one, two, (three, (four, five)) 仅使用正则表达式。

【参考方案7】：

我觉得值得注意的是，您应该尽可能避免使用正则表达式。为此，您应该知道对于 PHP 5.3+，您可以使用 str_getcsv()。但是，如果您正在处理文件（或文件流），例如 CSV 文件，那么函数 fgetcsv() 可能是您所需要的，并且它从 PHP4 开始可用。

最后，我很惊讶没有人使用preg_split()，或者它没有按需要工作？

【讨论】：

是的，我想使用 preg_split()，但是忽略括号中逗号的 RegEx 是什么？

啊，是的，好点，在尝试一两分钟后，我可以看到它在规定的条件下具有挑战性。

是的，您是对的，我也尝试了您的解决方案，但不起作用。还是谢谢你。