php正则表达式检测括号内的文本忽略嵌套括号

Question

我正在尝试制作一个php正则表达式工作，解析括号中的文本字符串，同时忽略可能的嵌套括号：

让我们说我想要

Lorem ipsum [1. dolor sit amet, [consectetuer adipiscing] elit.]. Aenean commodo ligula eget dolor.[2. Dolor, [consectetuer adipiscing] elit.] Aenean massa[3. Lorem ipsum] dolor.

回来

[1] => "dolor sit amet, [consectetuer adipiscing] elit."
[2] => "Dolor, [consectetuer adipiscing] elit."
[3] => "Lorem ipsum"

到目前为止我得到了

'/\[([0-9]+)\.\s([^\]]+)\]/gi'

但是当嵌套括号出现时它会中断。 见演示

我怎样才能忽略检测中的内括号？ Thx提前！

Answer 1

您可以对以前的组使用递归引用：

(?<no_brackets>[^\[\]]*){0}(?<balanced_brackets>\[\g<no_brackets>\]|\[(?:\g<no_brackets>\g<balanced_brackets>\g<no_brackets>)*\])

看到它在行动

我们的想法是将您想要的匹配定义为没有括号的东西，由[]或其他东西包围，其中包含一个没有括号或平衡括号的序列与第一个规则。

Answer 2

您可以使用此模式捕获两个不同组中的项目编号和以下文本。 如果您确定所有项目编号都是唯一的，则可以使用简单的array_combine构建问题中描述的关联数组：

$pattern = '~\[ (?:(\d+)\.\s)? ( [^][]*+ (?:(?R) [^][]*)*+ ) ]~x';

if (preg_match_all($pattern, $text, $matches))
    $result =  array_combine($matches[1], $matches[2]);

图案细节：

~     # pattern delimiter
\[    # literal opening square bracket
(?:(\d+)\.\s)? # optional item number (*) 
(              # capture group 2
   [^][]*+         # all that is not a square bracket (possessive quantifier)
   (?:             # 
       (?R)        # recursion: (?R) is an alias for the whole pattern
       [^][]*      # all that is not a square bracket
   )*+             # repeat zero or more times (possessive quantifier)
)
]                  # literal closing square bracket
~x  # free spacing mode

（*）请注意，如果您希望能够将递归与(?R)一起使用，则项目编号部分必须是可选的（例如[consectetuer adipiscing]没有项目编号。） 。 如果您想避免没有项目编号的方括号，这可能会有问题。 在这种情况下，如果更改可选组(?:(\\d+)\\.\\s)?您可以构建更健壮的模式(?:(\\d+)\\.\\s)? 到条件语句： (?(R)|(\\d+)\\.\\s)

条件声明：

(?(R)        # IF you are in a recursion
             # THEN match this (nothing in our case)
  |          # ELSE
  (\d+)\.\s  #   
)

这样，项目编号成为强制性的。

Answer 3

您可以使用递归正则表达式来获取用方括号括起来的所有子字符串，然后在array_map使用preg_replace来删除括号和括号括起来：

$str = "Lorem ipsum [1. dolor sit amet, [consectetuer adipiscing] elit.]. Aenean commodo ligula eget dolor.[2. Dolor, [consectetuer adipiscing] elit.] Aenean massa[3. Lorem ipsum] dolor.";
preg_match_all('/\[(?>[^\[\]]|(?R))*]/', $str, $matches);
$res = array_map(function($el) {
    return preg_replace('/^\[\d+\.(.*?)\s*\]$/s', '$1', $el); 
    },
    $matches[0]);
print_r($res);

请参阅IDEONE演示

\\[(?>[^\\[\\]]|(?R))*]正则表达式匹配[ ，然后除[和]或嵌套[...]构造之外的任何东西。 在regular-expressions.info上查看有关regex递归的更多信息。 这是正则表达式演示 。

preg_repace内的正则表达式 - ^\\[\\d+\\.(.*?)\\s*\\]$ - 将匹配初始[带有1位或更多位数以及之后的句点，并匹配并捕获其余的到最后一位可选的空格（ \\s* ）和结束] （ $将确保括号在字符串的末尾匹配）。 使用$1我们可以恢复字符串的其余部分并使用它来填充新数组。 请参阅此处的第二个正则表达式演示 。