如何编写正则表达式提取含//的组合词及对应描述？

我来帮你搞定这个问题！你现在的需求是从文本里提取大写词作为数组键，右侧的描述作为对应值，但遇到WORD//WORD 描述这种用//分隔的组合词时，原有代码没法让每个分隔后的词都对应同一个描述。下面一步步来解决：

示例文本 #

假设你的输入文本是这样的：

FOO//BAR//BAZ 这是一段描述文本
QUX 另一段描述

原有代码 #

你之前的代码大概是类似这样的（没法正确处理//分隔的情况）：

$text = "FOO//BAR//BAZ 这是一段描述文本\nQUX 另一段描述";
$pattern = '/([A-Z]+) (.*)/';
preg_match_all($pattern, $text, $matches);

$result = [];
foreach ($matches[1] as $index => $key) {
    $result[$key] = $matches[2][$index];
}

print_r($result);

错误结果 #

运行原有代码后，得到的错误结果只能匹配到第一个大写词，其他被//分隔的词都被忽略了：

Array
(
    [FOO] => 这是一段描述文本
    [QUX] => 另一段描述
)

期望结果 #

你想要的正确结果应该是每个//分隔的大写词都对应同一个描述：

Array
(
    [FOO] => 这是一段描述文本
    [BAR] => 这是一段描述文本
    [BAZ] => 这是一段描述文本
    [QUX] => 另一段描述
)

解决方案 #

我们需要修改正则表达式，先匹配所有用//分隔的大写词组合，再把它们拆分成单个键，最后对应到同一个描述上。

修正后的正则表达式 #

使用这个正则来匹配每行的内容：

/([A-Z]+(?:\/\/[A-Z]+)*) (.*)/m

正则解释：

• [A-Z]+：匹配单个由大写字母组成的词
• (?:\/\/[A-Z]+)*：这是一个非捕获组，用来匹配任意多个//+大写词的组合，*表示这个组合可以出现0次或多次（这样既能匹配FOO//BAR//BAZ，也能匹配单个的QUX）
• 整个捕获组1会拿到完整的大写词组合（比如FOO//BAR//BAZ）
• (.*)：匹配该行中大写词组合后面的所有描述文本，作为捕获组2
• 末尾的m是多行模式，确保每行的内容都能被正确匹配

修正后的PHP代码 #

$text = "FOO//BAR//BAZ 这是一段描述文本\nQUX 另一段描述";
// 匹配每行的大写词组合和对应的描述
$pattern = '/([A-Z]+(?:\/\/[A-Z]+)*) (.*)/m';
preg_match_all($pattern, $text, $matches);

$result = [];
foreach ($matches[1] as $index => $keyGroup) {
    // 把用//分隔的键拆分成单个键
    $keys = explode('//', $keyGroup);
    $description = $matches[2][$index];
    // 给每个键赋值同一个描述
    foreach ($keys as $key) {
        $result[$key] = $description;
    }
}

print_r($result);

运行这段代码后，就能得到你期望的结果啦！

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