如何用PHP实现植物拉丁名指定部分的<em>标签包裹，避免标签拆分

需求说明 #

需要将数据库中存储的纯文本植物拉丁名，为特定部分添加<em>标签，规则如下：

• 连续符合条件的单词需合并为一个<em>标签包裹，避免单个单词拆分导致的</em> <em>问题
• 排除subsp.、var.、f.、(voir)、hybride这些特定词汇，不添加标签
• 单引号包裹的内容（如'Angelica'）也不添加标签

示例：
输入：Androsace angrenica 'Angelica' subsp. Violaceae
期望输出：<em>Androsace angrenica</em> 'Angelica' subsp. <em>Violaceae</em>

优化后的PHP实现 #

// 无需添加标签的词汇列表
$excludeWords = ["subsp.", "var.", "f.", "(voir)", "hybride"];

// 测试用植物拉丁名
$name = "Androsace angrenica 'Angelica' subsp. Violaceae";

$words = explode(" ", $name);
$newContent = [];
$inEm = false; // 标记当前是否处于<em>标签内

foreach ($words as $word) {
    // 判断当前单词是否需要排除
    $isExcluded = in_array($word, $excludeWords) || preg_match("/'[^']+'/", $word);
    
    if (!$isExcluded) {
        if (!$inEm) {
            // 未处于标签内，打开<em>
            $newContent[] = "<em>";
            $inEm = true;
        }
        $newContent[] = $word;
    } else {
        if ($inEm) {
            // 当前处于标签内，先关闭<em>
            $newContent[] = "</em>";
            $inEm = false;
        }
        $newContent[] = $word;
    }
}

// 循环结束后，若仍处于标签内，关闭标签
if ($inEm) {
    $newContent[] = "</em>";
}

// 拼接最终结果
echo implode(" ", $newContent);

代码逻辑说明 #

1. 状态标记：用$inEm变量跟踪当前是否在<em>标签范围内，解决连续单词的合并问题
2. 排除判断：同时检查词汇是否在排除列表，或是否是单引号包裹的内容
3. 标签切换：
   • 遇到需要添加标签的单词时，若未打开标签则先打开，直接追加单词
   • 遇到排除项时，若当前在标签内则先关闭，再追加排除项
4. 收尾处理：循环结束后检查是否还处于标签内，避免遗漏关闭标签

多格式测试验证 #

针对不同格式的拉丁名，均可正确生成结果：

• 输入：Allium obliquum
  输出：<em>Allium obliquum</em>
• 输入：Allium ostrowkianum (voir) A. oreophilum
  输出：<em>Allium ostrowkianum</em> (voir) <em>A. oreophilum</em>
• 输入：Allium senescens subsp. glaucum
  输出：<em>Allium senescens</em> subsp. <em>glaucum</em>
• 输入：Allium sikkimense
  输出：<em>Allium sikkimense</em>
• 输入：Androsace × pedemontana
  输出：<em>Androsace × pedemontana</em>

内容的提问来源于stack exchange，提问作者Marc DG