我有一个 PHP regEx，如何添加字符数条件？

我有一个在 php 中使用的正则表达式：

$word_array = preg_split(
    '/(\/|\.|-|_|=|\?|\&|html|shtml|www|php|cgi|htm|aspx|asp|index|com|net|org|%|\+)/',
    urldecode($path), NULL, PREG_SPLIT_NO_EMPTY
);

效果很好。它需要一大块 url 参数，例如：

/2009/06/pagerank-update.html

并返回一个数组，例如：

array(4) {
  [0]=>
  string(4) "2009"
  [1]=>
  string(2) "06"
  [2]=>
  string(8) "pagerank"
  [3]=>
  string(6) "update"
}

我唯一需要的就是它也不返回少于 3 个字符的字符串。所以"06"string 是垃圾，我目前正在使用 if 语句来清除它们。

分裂的魔力。我最初的假设在技术上是不正确的（尽管更容易找到解决方案）。那么让我们检查一下你的分割模式：

(\/|\.|-|_|=|\?|\&|html|shtml|www|php|cgi|htm|aspx|asp|index|com|net|org|%|\+)

我稍微重新安排了一下。外括号不是必需的，我最后将单个字符移动到字符类中：

 html|shtml|www|php|cgi|htm|aspx|asp|index|com|net|org|[\/._=?&%+-]

这是为了预先进行一些排序。我们称这种模式为分割模式，s简而言之并定义它。

您想要匹配不属于 split-at 模式中的那些字符且至少三个字符的所有部分。

我可以通过以下模式实现这一点，包括支持正确的分割序列和 unicode 支持。

$pattern    = '/
    (?(DEFINE)
        (?<s> # define subpattern which is the split pattern
            html|shtml|www|php|cgi|htm|aspx|asp|index|com|net|org|
            [\\/._=?&%+-] # a little bit optimized with a character class
        )
    )
    (?:(?&s))          # consume the subpattern (URL starts with \/)
    \K                 # capture starts here
    (?:(?!(?&s)).){3,} # ensure this is not the skip pattern, take 3 characters minimum
/ux';

或者更小的：

$path       = '/2009/06/pagerank-update.htmltesthtmltest%C3%A4shtml';
$subject    = urldecode($path);
$pattern    = '/(?(DEFINE)(?<s>html|shtml|www|php|cgi|htm|aspx|asp|index|com|net|org|[\\/._=?&%+-]))(?:(?&s))\K(?:(?!(?&s)).){3,}/u';
$word_array = preg_match_all($pattern, $subject, $m) ? $m[0] : [];
print_r($word_array);

Result:

Array
(
    [0] => 2009
    [1] => pagerank
    [2] => update
    [3] => test
    [4] => testä
)

同样的原理可以用于preg_split以及。有点不同：

$pattern = '/
    (?(DEFINE)       # define subpattern which is the split pattern
        (?<s>
    html|shtml|www|php|cgi|htm|aspx|asp|index|com|net|org|
    [\/._=?&%+-]
        )
    )
    (?:(?!(?&s)).){3,}(*SKIP)(*FAIL)       # three or more is okay
    |(?:(?!(?&s)).){1,2}(*SKIP)(*ACCEPT)   # two or one is none
    |(?&s)                                 # split @ split, at least
/ux';

Usage:

$word_array = preg_split($pattern, $subject, 0, PREG_SPLIT_NO_EMPTY);

Result:

Array
(
    [0] => 2009
    [1] => pagerank
    [2] => update
    [3] => test
    [4] => testä
)

这些例程按要求工作。但这确实有其价格和性能。成本与旧答案类似。

相关问题：

• 与正则表达式的反匹配 https://stackoverflow.com/q/4660818/367456
• 按分隔符分割字符串，但如果它被转义则不会 https://stackoverflow.com/q/6243778/367456

旧答案，进行两步处理（首先拆分，然后过滤）

因为您使用的是分割例程，所以无论长度如何，它都会分割。

所以你能做的就是过滤结果。您可以使用正则表达式再次执行此操作（preg_filter http://php.net/preg_filter），例如，删除所有较小的三个字符：

$word_array = preg_filter(
    '/^.{3,}$/', '$0', 
    preg_split(
        '/(\/|\.|-|_|=|\?|\&|html|shtml|www|php|cgi|htm|aspx|asp|index|com|net|org|%|\+)/',
        urldecode($path), 
        NULL, 
        PREG_SPLIT_NO_EMPTY
    )
);

Result:

Array
(
    [0] => 2009
    [2] => pagerank
    [3] => update
)