解析短语和关键字的搜索字符串

Posted 2023-02-24

【中文标题】解析短语和关键字的搜索字符串

【英文标题】：parse search string for phrases and keywords

【发布时间】：2011-12-18 02:37:50

【问题描述】：

我需要解析一个搜索字符串来查找php中的关键字和短语，例如

字符串 1：value of "measured response" detect goal "method valuation" study

将产生：value,of,measured reponse,detect,goal,method valuation,study

如果字符串有，我也需要它来工作：

没有用引号括起来的短语， 任意数量的短语都用引号括起来，引号外有任意数量的关键字， 仅限引号中的短语， 仅以空格分隔的关键字。

我倾向于使用 preg_match 和模式 '/(\".*\")/' 将短语放入数组中，然后从字符串中删除短语，最后将关键字放入数组中。我就是不能把所有东西都放在一起！

我也在考虑用逗号替换引号外的空格。然后将它们分解成一个数组。如果这是一个更好的选择，我该如何使用preg_replace？

有没有更好的方法来解决这个问题？帮助！非常感谢大家

【问题讨论】：

是的，比正则表达式好得多 - 只需使用内置函数 str_getcsv 并将分隔符设置为空格，将附件设置为语音标记：$array = str_getcsv($string, ' ', '"');

【参考方案1】：

preg_match_all('/(?<!")\b\w+\b|(?<=")\b[^"]+/', $subject, $result, PREG_PATTERN_ORDER);
for ($i = 0; $i < count($result[0]); $i++) 
    # Matched text = $result[0][$i];

这应该会产生您正在寻找的结果。

解释：

# (?<!")\b\w+\b|(?<=")\b[^"]+
# 
# Match either the regular expression below (attempting the next alternative only if this one fails) «(?<!")\b\w+\b»
#    Assert that it is impossible to match the regex below with the match ending at this position (negative lookbehind) «(?<!")»
#       Match the character “"” literally «"»
#    Assert position at a word boundary «\b»
#    Match a single character that is a “word character” (letters, digits, etc.) «\w+»
#       Between one and unlimited times, as many times as possible, giving back as needed (greedy) «+»
#    Assert position at a word boundary «\b»
# Or match regular expression number 2 below (the entire match attempt fails if this one fails to match) «(?<=")\b[^"]+»
#    Assert that the regex below can be matched, with the match ending at this position (positive lookbehind) «(?<=")»
#       Match the character “"” literally «"»
#    Assert position at a word boundary «\b»
#    Match any character that is NOT a “"” «[^"]+»
#       Between one and unlimited times, as many times as possible, giving back as needed (greedy) «+»

【讨论】：

哇。现在将开始工作，一旦我开始工作，defs 会尽快通知您。

跟进：如果我想忽略那些没有用引号括起来的常用词怎么办？喜欢of？假设我有一系列不允许使用的单词，例如array ('at','the','and','of','in')，我如何将其纳入方法中？再次感谢！

哇，我经常使用正则表达式，但这种东西将男人（@FailedDev）与男孩（@davidethell）区分开来。

有一件事，@FailedDev，我如何修改正则表达式模式以在关键字或短语之前保留 hyphen？比如字符串是value of "measured response" -detect goal -"method valuation" study，对应的输出就是value,of,measured reponse,-detect,goal,-method valuation,study?

我尝试在\w 之前插入-? 和\-? 但它搞砸了.. :/

【参考方案2】：

无需使用正则表达式，内置函数str_getcsv 可用于分解带有任何给定分隔符、包围和转义字符的字符串。

真的就这么简单。

// where $string is the string to parse
$array = str_getcsv($string, ' ', '"'); 

【讨论】：

出色的解决方案。

@crishoj 我有我的时刻 ;)

【参考方案3】：

$s = 'value of "measured response" detect goal "method valuation" study';
preg_match_all('~(?|"([^"]+)"|(\S+))~', $s, $matches);
print_r($matches[1]);

输出：

Array
(
    [0] => value
    [1] => of
    [2] => measured response
    [3] => detect
    [4] => goal
    [5] => method valuation
    [6] => study
)

这里的技巧是使用 branch-reset 组：(?|...|...)。这就像包含在非捕获组中的交替 - (?:...|...) - 除了在每个分支中捕获组编号以相同的编号开始。 （有关详细信息，请参阅 PCRE docs 并搜索 DUPLICATE SUBPATTERN NUMBERS。）

因此，我们感兴趣的文本总是被捕获的第 1 组。您可以通过$matches[1] 检索所有匹配项的组#1 的内容。 （假设设置了 PREG_PATTERN_ORDER 标志；我没有像 @FailedDev 那样指定它，因为它是默认值。有关详细信息，请参阅 PHP docs。）

【讨论】：

你能在这个正则表达式工作的地方发布一个 perl 测试吗？还是仅在 php 中支持？我希望看到它工作，但我无法让它与我的工具一起工作。

太棒了，艾伦，又学到了新东西。但是，如果我想忽略那些没有用引号括起来的常用词怎么办？像'数组（[1] => 数组（[1] => of ））'？假设我有一系列不允许使用的单词，例如array ('at','the','and','of','in')，我如何将其纳入方法中？非常感谢！

Ana Ban，它对我有用：demo。至于过滤掉常用词，以后就容易多了。 @FailedDev，在 Perl 中，分支重置组仅在 v5.10 及更高版本中受支持。尝试添加use v5.10; pragma。