用空格和冒号分割字符串，但如果在引号内则不分割

Posted 2023-02-24

【中文标题】用空格和冒号分割字符串，但如果在引号内则不分割

【英文标题】：split string by spaces and colon but not if inside quotes

【发布时间】：2016-01-07 13:59:51

【问题描述】：

有这样的字符串：

$str = "dateto:'2015-10-07 15:05' xxxx datefrom:'2015-10-09 15:05' yyyy asdf"

想要的结果是：

[0] => Array (
    [0] => dateto:'2015-10-07 15:05'
    [1] => xxxx
    [2] => datefrom:'2015-10-09 15:05'
    [3] => yyyy
    [4] => asdf
)

我得到了什么：

preg_match_all("/\'(?:[^()]|(?R))+\'|'[^']*'|[^(),\s]+/", $str, $m);

是：

[0] => Array (
    [0] => dateto:'2015-10-07
    [1] => 15:05'
    [2] => xxxx
    [3] => datefrom:'2015-10-09
    [4] => 15:05'
    [5] => yyyy
    [6] => asdf
)

还尝试使用preg_split("/[\s]+/", $str)，但如果值在引号之间，则不知道如何转义。谁能告诉我如何，也请解释正则表达式。谢谢！

【参考方案1】：

我会使用 PCRE 动词 (*SKIP)(*F)，

preg_split("~'[^']*'(*SKIP)(*F)|\s+~", $str);

DEMO

【讨论】：

谢谢！你介意解释一下"~'[^']*'(*SKIP)(*F)|\s+~"我只是了解其中的一部分，我想全部了解

'[^']*' 匹配所有单引号块，并且以下 (*SKIP)(*F) 使匹配失败。并且下面的|\s+ 匹配所有剩余的空格。

【参考方案2】：

通常，当您要拆分字符串时，使用 preg_split 并不是最好的方法（这似乎有点违反直觉，但大多数情况下确实如此）。一种更有效的方法是使用描述所有非分隔符（此处为空格）的模式来查找所有项目（带有preg_match_all）：

$pattern = <<<'EOD'
~(?=\S)[^'"\s]*(?:'[^']*'[^'"\s]*|"[^"]*"[^'"\s]*)*~
EOD;

if (preg_match_all($pattern, $str, $m))
    $result = $m[0];

图案细节：

~                    # pattern delimiter

(?=\S)               # the lookahead assertion only succeeds if there is a non-
                     # white-space character at the current position.
                     # (This lookahead is useful for two reasons:
                     #    - it allows the regex engine to quickly find the start of
                     #      the next item without to have to test each branch of the
                     #      following alternation at each position in the strings
                     #      until one succeeds.
                     #    - it ensures that there's at least one non-white-space.
                     #      Without it, the pattern may match an empty string.
                     # )

[^'"\s]*          #"'# all that is not a quote or a white-space

(?:                  # eventual quoted parts
    '[^']*' [^'"\s]*  #"# single quotes
  |
    "[^"]*" [^'"\s]*    # double quotes
)*
~

demo

请注意，使用这个有点长的模式，您的示例字符串的五个项目只需 60 步即可找到。您也可以使用这种更短/更简单的模式：

~(?:[^'"\s]+|'[^']*'|"[^"]*")+~

但它的效率有点低。

【讨论】：

感谢您的详细解答！我想知道更多的事情：“但大多数时候这是真的”是否有经验法则或一些链接我可以阅读关于何时/为什么使用哪个？你是如何编写正则表达式的？你有一个工具可以做到这一点，或者你知道正则表达式规则并把它写下来？如果只是写下来：你是如何学习正则表达式规则的？

@caramba：这更像是一个经验法则，但背后的想法相对简单：1）当分隔符必须考虑这种环境时，模式很快变得复杂和低效（特别是如果你需要检查之前的字符是什么，或者是否需要先检查字符串直到结尾）。 2) 有时用否定来定义更容易。

@caramba：关于我如何编写一个模式，一般来说，知识、实践和测试是相关的。例如，(?:[^'\s]+|'[^']*')*+ 这样的模式如果你“展开”它会更有效，就像这样：[^'\s]*(?:'[^']*'[^'\s]*)*+，你可以在 Friedl 书中找到这些信息，但你也可以使用 regex101 或 regexbuddy 来查看它，它显示了需要的步骤。但即使有了知识和食谱，你也总是需要进行实验，尤其是你必须非常了解你的敌人：弦乐。

【参考方案3】：

对于您的示例，您可以使用 preg_split 和 negative lookbehind (?<!\d)，即：

<?php
$str = "dateto:'2015-10-07 15:05' xxxx datefrom:'2015-10-09 15:05' yyyy asdf";
$matches = preg_split('/(?<!\d)(\s)/', $str);
print_r($matches);

---

输出：

    Array
    (
        [0] => dateto:'2015-10-07 15:05'
        [1] => xxxx
        [2] => datefrom:'2015-10-09 15:05'
        [3] => yyyy
        [4] => asdf
    )

---

演示：

http://ideone.com/EP06Nt

---

正则表达式解释：

(?<!\d)(\s)

Assert that it is impossible to match the regex below with the match ending at this position (negative lookbehind) «(?<!\d)»
   Match a single character that is a “digit” «\d»
Match the regex below and capture its match into backreference number 1 «(\s)»
   Match a single character that is a “whitespace character” «\s»

【讨论】：

谢谢！好的“负面回顾”，但是 ` ' ` 定义的黑客在哪里？如果dateto:"has-double-quotes"，我怎么能改变？