使用PHP preg_match_all筛选不含指定音节的单词遇问题

问题背景 #

需要从文本中筛选出**不包含"he"（不区分大小写，无论在单词首/中/尾）**的单词，但现有正则未得到预期结果，同时实际场景为德语环境，\w无法识别üÜöÖäÄß这类特殊字符。

测试文本：He was eating the cake se in hell.
预期结果：[was, eating, cake, se, in]
实际结果：[was, eating, in, hell]

原正则的错误原因 #

原正则：#\b(\w*[^(*he*|\s)])\b#i
这个正则的逻辑完全偏离需求，问题出在：

1. [^(*he*|\s)]是错误的否定字符集：它的作用是匹配单个字符不属于(、*、h、e、|、空格，而不是检查整个单词是否包含he子串。
2. 为什么没匹配到cake：cake的最后一个字符是e，属于字符集里的排除项，原正则要求单词末尾必须有一个非排除字符，所以cake无法匹配。
3. 为什么匹配到hell：hell的最后一个字符是l，不在排除字符集里，原正则只检查存在一个符合条件的字符，完全没考虑单词里是否包含he，所以hell被错误匹配。

解决方案 #

1. 正确的正则逻辑（筛选不含指定子串的单词） #

使用负向预查来确保整个单词中不包含目标子串，同时结合Unicode属性支持德语字符：

$pattern = '#\b(?!.*he)[\p{L}ß]+\b#ui';
$text = 'He was eating the cake se in hell. Überraschung mit Äpfeln und Öl.';
if(preg_match_all($pattern, $text, $matches)){
    var_dump($matches[0]);
} else{
    echo "Match not found.";
}

2. 正则各部分解释 #

• (?!.*he)：负向预查，确保当前位置之后的单词内容中不存在he（不区分大小写）
• [\p{L}ß]+：匹配任意Unicode字母（\p{L}）加上德语特殊字符ß，覆盖üÜöÖäÄ等所有德语字母
• u修饰符：启用UTF-8模式，让Unicode属性（如\p{L}）生效
• i修饰符：不区分大小写，确保He/HE/hE这类单词都会被排除

3. 测试结果 #

运行上述代码，针对测试文本会输出预期的：

array(5) {
  [0]=>
  string(3) "was"
  [1]=>
  string(5) "eating"
  [2]=>
  string(4) "cake"
  [3]=>
  string(2) "se"
  [4]=>
  string(2) "in"
}

同时能正确识别德语单词，比如Überraschung、Äpfeln、Öl会被正常匹配（如果它们不含he的话）。

内容的提问来源于stack exchange，提问作者F.Sand