php - 如何扩展正则表达式以查找多个匹配项？

Question

这是我当前的正则表达式(用于解析 iCal 文件):

/(.*?)(?:;(?=(?:[^"]*"[^"]*")*[^"]*$))([\w\W]*)/

使用 preg_match() 的当前输出是这样的:

//Output 1 - `preg_match()`
Array
(
    [0] => TZID="Greenwich Mean Time:Dublin; Edinburgh; Lisbon; London"
    [1] => VALUE=DATE;RSVP=FALSE;LANGUAGE=en-gb
)

我想扩展我的正则表达式来输出这个(即找到多个匹配项):

//Output 2
Array
(
    [0] => TZID="Greenwich Mean Time:Dublin; Edinburgh; Lisbon; London"
    [1] => VALUE=DATE
    [2] => RSVP=FALSE
    [3] => LANGUAGE=en-gb
)    

正则表达式应搜索不包含在带引号的子字符串中的每个分号，并将其作为匹配项提供。

---

不能仅仅交换到 preg_match_all() 因为会产生这个不需要的输出

//Output 3 - `preg_match_all()`
Array
(
    [0] => Array
        (
            [0] => TZID="Greenwich Mean Time:Dublin; Edinburgh; Lisbon; London";VALUE=DATE;RSVP=FALSE;LANGUAGE=en-gb
        )

    [1] => Array
        (
            [0] => TZID="Greenwich Mean Time:Dublin; Edinburgh; Lisbon; London"
        )

    [2] => Array
        (
            [0] => VALUE=DATE;RSVP=FALSE;LANGUAGE=en-gb
        )

)

Answer 1

您需要使用preg_match_all来获取字符串的所有匹配项。

您使用的模式并不是为了获得多个结果而设计的，因为 [\w\W]* 匹配字符串末尾之前的所有内容。
但这只是你的问题之一，像这样设计的模式需要检查(对于每个冒号)引号的数量是奇数还是偶数，直到文件末尾!: (?=(?:[^"]*"[^"]*")*[^"]*$)。想象一下，一分钟内整个字符串被此先行解析了多少次。

为了避免这个问题，您可以使用不同的方法，不尝试查找冒号，而是尝试描述不是冒号的所有内容:因此，您正在寻找无论内容如何，​​不包含引号或冒号+引号部分的文本。

您可以使用这种模式:

$pattern = '~[^\r\n";]+(?:"[^"\\\]*(?:\\\.[^"\\\]*)*"[^\r\n";]*)*~';

if (preg_match_all($pattern, $str, $matches))
    print_r($matches[0]);

图案详细信息:

~           # pattern delimiter
[^\r\n";]+  #" # all that is not a newline, a double quote or a colon
(?:         # non-capturing group: to include eventual quoted parts
    "                  #"# a literal quote
    [^"\\\]*           #"# all that is not a quote or a backslash
    (?:\\\.[^"\\\]*)*  #"# optional group to deal with escaped characters
    "                  #"#
    [^\r\n";]*         #"# 
)*          # repeat zero or more times 
~

demo