使用正则表达式匹配所有以4位数字结尾的子字符串。

Question

我正在尝试在PHP中分割一个看起来像这样的字符串：

ABCDE1234ABCD1234ABCDEF1234

转换为一个字符串数组，例如：

ABCDE1234
ABCD1234
ABCDEF1234

所以这个模式是“未定义数量的字母，然后是4个数字，然后是未定义数量的字母和4个数字等等。”

我正在尝试使用 preg_split 来拆分字符串，就像这样：

$pattern = "#[0-9]{4}$#";
preg_split($pattern, $stringToSplit);

它返回一个包含完整字符串（未分割）的数组，第一个元素中。

我猜问题在于我的正则表达式，因为我不完全了解如何使用它们，而且我也不确定我是否使用正确。

那么应该使用哪个正确的正则表达式？

- DevBob

---

你确定不能在数字后面跟着一个字母后再分割字符串吗？从你的例子来看，完全可以这样做。 - user1306322

为什么你不能简单地找到每个数字-字母对出现的位置，这将给你断开字符串的位置。 - Bradley Thomas

本来可以这样做的，我没意识到...好吧，它就是这样工作的！ - DevBob

Answer 1

你不需要使用 preg_split，而是需要使用 preg_match_all：

$str = 'ABCDE1234ABCD1234ABCDEF1234';
preg_match_all('/[a-z]+[0-9]{4}/i', $str, $matches);
var_dump($matches);

输出：

array(1) {
  [0]=>
  array(3) {
    [0]=>
    string(9) "ABCDE1234"
    [1]=>
    string(8) "ABCD1234"
    [2]=>
    string(10) "ABCDEF1234"
  }
}

- mister martin

---

这个答案缺少解释。 - mickmackusa

Answer 2

PHP使用 PCRE风格的正则表达式，让您可以执行后顾操作。您可以使用它来查看在您“后面”是否有4个数字。将其与前瞻结合使用，以查看您前面是否有字母，然后您就会得到以下内容：

(?<=\d{4})(?=[a-z])

请注意Debuggex演示页面上的虚线。这些是您想要分割的点。

在PHP中，代码如下：

var_dump(preg_split('/(?<=\d{4})(?=[a-z])/i', 'ABCDE1234ABCD1234ABCDEF1234'));

- asontu

---

在“PHP”正则表达式中，似乎不需要显式地检查4位数字，只需检查数字后面是否跟着字母即可？例如：/(?<=\d)(?=[a-z])/i (+1) - MrWhite

@w3dk 在这种情况下，是的，我喜欢在可能的情况下使用明确的正则表达式 :) - asontu

Answer 3

使用对比原则：

\D+\d{4}
# requires at least one non digit
# followed by exactly four digits

请查看regex101.com上的演示。

---

在PHP中，这将是：

<?php
$string = 'ABCDE1234ABCD1234ABCDEF1234';
$regex = '~\D+\d{4}~';
preg_match_all($regex, $string, $matches);
?>

点击此处可查看在ideone.com上的演示。

- Jan

Answer 4

我不擅长正则表达式，所以这里介绍一种不太常用的方法：

<?php
$s = 'ABCDE1234ABCD1234ABCDEF1234';
$nums = range(0,9);

$num_hit = 0;
$i = 0;
$arr = array();

foreach(str_split($s) as $v)
{
    if(isset($nums[$v]))
    {
        ++$num_hit;
    }

    if(!isset($arr[$i]))
    {
        $arr[$i] = '';
    }

    $arr[$i].= $v;

    if($num_hit === 4)
    {
        ++$i;
        $num_hit = 0;
    }
}

print_r($arr);

- MonkeyZeus

---

这个答案缺少解释。您可以在条件表达式中使用ctype_digit()来代替isset()，从而避免使用$nums查找数组。 - mickmackusa

Answer 5

首先，为什么您尝试的模式没有产生期望的输出？因为$锚点告诉函数使用最后四个数字作为“分隔符”（在将字符串分成单独部分时应该消耗的字符）来拆分字符串。

您的结果：

array (
  0 => 'ABCDE1234ABCD1234ABCDEF', // an element of characters before the last four digits
  1 => '',  // an empty element containing the non-existent characters after the four digits
)

简单来说，要修复您的模式，您必须：

1. 在分解时不消耗任何字符，并且
2. 确保不生成任何空元素。

我的片段在此帖子底部。

---

其次，关于使用哪个正则表达式函数（甚至是否应该使用正则表达式作为首选工具）似乎存在一些争议。

• 我的立场是，使用非正则表达式的方法将需要一长串代码行，这些代码行将与正则表达式模式一样难以阅读，甚至更加困难。使用正则表达式可以让你在一行中生成结果，而不会以不美观的方式呈现。因此，让我们放弃为此任务编写迭代条件集。

• 现在关键问题是，这个任务是否仅仅是从一个一致且有效的字符串中“提取”数据（情况“A”），还是“验证并提取”来自字符串的数据（情况“B”），因为输入不能百分之百地保证一致/正确。

  • 在情况A下，您不需要考虑在输出中生成有效元素，因此preg_split()或preg_match_all()是很好的选择。
  • 在情况B下，preg_split()不可取，因为它只寻找定界子字符串——它对字符串中的所有其他字符都视而不见。

• 假设这个任务是情况A，那么仍然有一个关于调用更好的函数的决定尚未确定。嗯，两个函数都生成一个数组，但是preg_match_all()创建了一个多维数组，而你想要一个平面数组（就像preg_split()提供的那样）。这意味着你需要向全局作用域添加一个新变量（$matches），并将[0]附加到数组中以访问所需的完整字符串匹配项。对于不了解正则表达式模式的人来说，这可能接近使用“magic numbers”的不良实践。

对我而言，编程的追求顺序是直观和准确、然后是效率，最后是简洁和清晰。因为在执行如此小的操作时你不太可能注意到任何性能下降，所以效率并不是非常重要的。我只想做一些比较，以突出仅利用向前查看或错过贪婪匹配可预测字符的模式成本。

• /(?<=\d{4})(?=[a-z])/i 79 步 (演示)
• ~\d{4}\K~ 25 步 (演示)
• /[a-z]+[0-9]{4}\K/i 13 步 (演示)
• ~\D+[0-9]{4}\K~ 13 步 (演示)
• ~\D+\d{4}\K~ 13 步 (演示)

请注意，\K是一个元字符，它的含义是“重新启动完整字符串匹配”，换句话说，“忘记/释放到此为止之前所有已匹配的字符”。这有效地确保在分割过程中没有任何字符会丢失。

建议的技术：(演示)

var_export(
    preg_split(
        '~\D+\d{4}\K~',                // pattern
        'ABCDE1234ABCD1234ABCDEF1234', // input
        0,                             // make unlimited explosions
        PREG_SPLIT_NO_EMPTY            // exclude empty elements
    )
);

输出：

array (
  0 => 'ABCDE1234',
  1 => 'ABCD1234',
  2 => 'ABCDEF1234',
)

- mickmackusa