如何用preg_match_all正确提取所有[ANY_TEXT-pb]格式内容块

需求 #

使用preg_match_all()提取字符串中所有符合[ANY_TEXT-pb]格式的内容块，其中ANY_TEXT可指代任意不含]的字符。

当前代码 #

$content = 'START Text1 [news-block] text2 [title1-pb] text3 text4 [title2-pb] text5 END';
preg_match_all('/\[(.*?)pb\]/si', $content, $codes);
print_r($codes[0]);

期望输出 #

Array
(
    [0] => [title1-pb]
    [1] => [title2-pb]
)

实际输出 #

Array
(
    [0] => [news-block] text2 [title1-pb]
    [1] => [title2-pb]
)

问题原因 #

原正则/\[(.*?)pb\]/si中的.*?是非贪婪匹配，但未限制匹配内容中不能包含]，导致会从第一个[开始，一直匹配到第一个出现的pb，中间的其他方括号和文本都会被纳入匹配范围，因此错误捕获了[news-block] text2 [title1-pb]。

解决方案 #

修改正则表达式，限制方括号内的内容不能包含]，确保只匹配单个方括号内以-pb结尾的内容块。修正后的正则为/\[[^]]*-pb\]/si：

• \[：匹配左方括号
• [^]]*：匹配任意数量的非]字符（避免跨方括号匹配）
• -pb\]：匹配-pb和右方括号

修正后的代码 #

$content = 'START Text1 [news-block] text2 [title1-pb] text3 text4 [title2-pb] text5 END';
preg_match_all('/\[[^]]*-pb\]/si', $content, $codes);
print_r($codes[0]);

运行这段代码后，输出将与期望完全一致。

内容的提问来源于stack exchange，提问作者lolalola