PCRE2正则能否在单次替换中处理捕获组内的多引用内容？

我需要将Excel导出的CSV调研结果转换为网站地图用的JSON，每条记录包含多条以Story xx: 开头、换行结尾的引用。

示例CSV记录： #

1,Alethia Tanner Park,227 Harry Thomas Way NE,Washington,DC,20002,3,"Story 1: First quote of someone commenting on this location.
Story 2: Second quote from a resident that likes this place.
Story 3: Third quote about this park in the city.







",38.91143761,-77.00165721

期望JSON格式： #

{
    "latitudeLongitude": [38.91143761, -77.00165721], 
    "displayName": "Alethia Tanner Park", 
    "quote": "&ldquo;First quote of someone commenting on this location.&rdquo;<hr />&ldquo;Second quote from a resident that likes this place.&rdquo;<hr />&ldquo;Third quote about this park in the city.&rdquo;<hr />", 
    "numberOfCitations": 3
},

当前问题： #

我使用PCRE2引擎的regex101工具，当前正则只能捕获最后一条引用，替换后仅输出最后一条的处理结果；尝试用(&ldquo;${quote}&rdquo;<hr />)+也无效。想确认是否能通过单次替换完成所有引用的捕获和处理——分步处理可以实现，但好奇单次替换的可行性。

核心原因 #

你使用的重复捕获组(?'quote'...)在PCRE2中只会保留最后一次匹配的内容，所以${quote}只能拿到最后一条引用，这是正则引擎的固有特性：重复捕获的分组不会存储所有匹配结果。

单次替换实现方法（PCRE2） #

要在单次替换中完成需求，需要结合回调函数替换（PCRE2原生支持，regex101也适配此功能），具体步骤如下：

1. 匹配整条记录的正则：

^(?'groupId'\d{1,3}),(?'displayName'[^,]+),(?'street'\?\?\?|\d+ [\w ]+),(?'city'\?\?\?|[A-Za-z ]+),(?'state'\?\?\?|[A-Z]{2}),(?'zipCode'\?\?\?|\d{5}),(?'numberOfCitations'\d{1,2}),"(?'quotes'(?:Story \d{1,2}: .+?(?=\nStory|\n"))+)",(?'latitude'38\.\d{4,8}),(?'longitude'-7[67]\.\d{4,8})$

该正则将所有引用内容整体捕获到quotes分组，不再拆分单个quote。

2. 回调函数处理逻辑：
   在替换时，通过回调对捕获到的引用内容做二次转换，再组装成目标JSON：

preg_replace_callback(
    '/^(?'groupId'\d{1,3}),(?'displayName'[^,]+),(?'street'\?\?\?|\d+ [\w ]+),(?'city'\?\?\?|[A-Za-z ]+),(?'state'\?\?\?|[A-Z]{2}),(?'zipCode'\?\?\?|\d{5}),(?'numberOfCitations'\d{1,2}),"(?'quotes'(?:Story \d{1,2}: .+?(?=\nStory|\n"))+)",(?'latitude'38\.\d{4,8}),(?'longitude'-7[67]\.\d{4,8})$/',
    function($matches) {
        // 把每条Story格式转换为带HTML引号和水平线的内容
        $processedQuotes = preg_replace(
            '/Story \d{1,2}: (.+?)(?=\nStory|\n")/',
            '&ldquo;$1&rdquo;<hr />',
            $matches['quotes']
        );
        // 组装最终JSON字符串
        return "{
    \"latitudeLongitude\": [{$matches['latitude']}, {$matches['longitude']}], 
    \"displayName\": \"{$matches['displayName']}\", 
    \"quote\": \"{$processedQuotes}\", 
    \"numberOfCitations\": {$matches['numberOfCitations']}
},";
    },
    $csvContent
);

纯正则模拟单次处理（regex101环境） #

如果不想用回调函数，可通过连续两次全局替换实现等效的单次批量处理：

1. 第一步：全局替换所有引用行的格式
   正则：/Story \d{1,2}: (.+?)(?=\n)/
   替换：&ldquo;$1&rdquo;<hr />
2. 第二步：全局替换每条CSV记录为JSON结构
   正则：/^(?'groupId'\d{1,3}),(?'displayName'[^,]+),(?'street'\?\?\?|\d+ [\w ]+),(?'city'\?\?\?|[A-Za-z ]+),(?'state'\?\?\?|[A-Z]{2}),(?'zipCode'\?\?\?|\d{5}),(?'numberOfCitations'\d{1,2}),"(?'quotes'[^"]+)",(?'latitude'38\.\d{4,8}),(?'longitude'-7[67]\.\d{4,8})$/' 替换：{\n\t"latitudeLongitude": [${latitude}, ${longitude}], \n\t"displayName": "${displayName}", \n\t"quote": "${quotes}", \n\t"numberOfCitations": ${numberOfCitations}\n},`

内容的提问来源于stack exchange，提问作者PeterV