PHP如何从带多级编号的不规则换行文本中分离编号与对应内容

直接用explode(". ", $text)拆分的方案，没有区分「编号结构里的点+空格」和「正文内容里的点+空格」，只要正文出现句号加空格的格式就会被错误拆分，完全没有利用编号本身的结构特征。
待提取的编号有明确可识别的规则：

• 出现在行/段落的最开头
• 由数字和点组成，支持多级结构（如82.、82.2.这类格式）
• 编号结束后接空格，后续为条目内容，内容可跨多行、可包含任意标点

用正则匹配精准识别行首的合法编号，将编号和后续直到下一个编号前的所有内容做绑定，完全不会受正文里的句号、空行、换行影响。

实现代码 #

<?php
// 原始待处理文本
$text = "81. Text1

82. Text2
82.1. Some text3
82.2. Some long text goes there in two or more lines... Some more text goes here...
 
83. Text4

84. Text5";

/*
正则模式说明：
/^(\d+(?:\.\d+)*\.)\s+(.*?)(?=^\d+(?:\.\d+)*\.|\Z)/ms
m修饰符：开启多行模式，让^匹配每一行的开头
s修饰符：让.可以匹配换行符，支持抓取跨多行的条目内容
*/
preg_match_all('/^(\d+(?:\.\d+)*\.)\s+(.*?)(?=^\d+(?:\.\d+)*\.|\Z)/ms', $text, $matches);

// 整理为 编号=>对应内容 的结构化数组
$items = [];
for ($i = 0; $i < count($matches[0]); $i++) {
    $itemNo = trim($matches[1][$i]);
    $itemContent = trim($matches[2][$i]);
    $items[$itemNo] = $itemContent;
}

// 打印结果测试
print_r($items);
?>

运行结果 #

执行后输出的结构化结果完全符合提取要求：

Array
(
    [81.] => Text1
    [82.] => Text2
    [82.1.] => Some text3
    [82.2.] => Some long text goes there in two or more lines... Some more text goes here...
    [83.] => Text4
    [84.] => Text5
)

方案说明 #

• 自动过滤文本里的随机空行、内容首尾的多余空白
• 支持任意层级的数字编号（1.、1.1.、1.1.1.这类格式都可正常识别）
• 条目内容无论跨多少行、内容里包含多少个. 格式的断句，都不会出现误拆分
• 后续如果需要适配其他编号格式，只需要微调正则规则即可，扩展性远高于简单字符串拆分

内容的提问来源于stack exchange，提问作者user2534787