PHP正则表达式捕获重叠提及及上下文的实现问题

1. 可通过单次扫描实现完整匹配 #

可以利用零宽度环视断言实现单次扫描捕获所有提及及前后最多5个单词的上下文，避免因匹配重叠导致的遗漏。环视断言不会消耗字符串字符，正则引擎可连续扫描所有提及。

示例正则与代码：

// 匹配提及及前后最多5个单词的上下文
$pattern = '/(?<=((?:\b[\w\']+\b\s*){0,5}))(@user:\d+)(?=((?:\s*\b[\w\']+\b){0,5}))/';
// 按匹配组顺序返回结果
preg_match_all($pattern, $text, $matches, PREG_SET_ORDER);

// 解析结果
$results = [];
foreach ($matches as $match) {
    $results[] = [
        'pre_context' => trim($match[1]),
        'mention' => $match[2],
        'post_context' => trim($match[3])
    ];
}

• (?<=...) 正向后顾断言：捕获提及前最多5个单词（不消耗字符）
• (?=...) 正向前瞻断言：捕获提及后最多5个单词（不消耗字符）
• PREG_SET_ORDER 参数让每个匹配作为独立数组返回，方便解析

2. 先定位提及位置再获取无重叠前置上下文 #

如果先通过preg_match_all定位所有提及，可通过控制上下文的起始范围避免包含其他提及，步骤如下：

步骤1：获取所有提及的位置与文本 #

// 捕获所有提及的文本和起始偏移量
preg_match_all('/@user:\d+/', $text, $matches, PREG_OFFSET_CAPTURE);
$mentions = $matches[0];
$results = [];
$prevMentionEnd = 0;

步骤2：遍历提取无重叠的前置上下文 #

foreach ($mentions as $index => $mention) {
    $mentionText = $mention[0];
    $mentionStart = $mention[1];
    $mentionEnd = $mentionStart + strlen($mentionText);
    
    // 前置上下文范围：上一个提及的结束位置 到 当前提及的起始位置
    $preRaw = substr($text, $prevMentionEnd, $mentionStart - $prevMentionEnd);
    // 提取最多5个单词（取末尾的内容）
    preg_match('/(?:\b[\w\']+\b\s*){0,5}$/', trim($preRaw), $preMatch);
    $preContext = trim($preMatch[0] ?? '');
    
    // 可选：提取后置上下文（当前提及结束位置到下一个提及起始位置）
    $nextMentionStart = isset($mentions[$index+1]) ? $mentions[$index+1][1] : strlen($text);
    $postRaw = substr($text, $mentionEnd, $nextMentionStart - $mentionEnd);
    preg_match('/^(?:\s*\b[\w\']+\b){0,5}/', trim($postRaw), $postMatch);
    $postContext = trim($postMatch[0] ?? '');
    
    $results[] = [
        'mention' => $mentionText,
        'pre_context' => $preContext,
        'post_context' => $postContext
    ];
    
    $prevMentionEnd = $mentionEnd;
}

核心逻辑是：每个提及的前置上下文起始点为上一个提及的结束位置，确保上下文区间内不会包含其他提及，再从该区间内提取最多5个单词。

内容的提问来源于stack exchange，提问作者Erich