使用 preg_match_all 和正则表达式创建一个单词数组

Question

我正在使用如下所示的 PHP 函数preg_match_all()创建一个包含多个单词的数组。

// the string which contains the text 
$string = "Lorem ipsum dolor sit amet elit";

// the preg_match_all() function
preg_match_all('/([a-z]*?)(?= )/i', $string, $matches);

// debug array
debug($matches[0]);

// output
[(int) 0 => 'Lorem',
    (int) 1 => '',
    (int) 2 => 'ipsum',
    (int) 3 => '',
    (int) 4 => 'dolor',
    (int) 5 => '',
    (int) 6 => 'sit',
    (int) 7 => '',
    (int) 8 => 'amet',
    (int) 9 => ''
]

但是当我调试或打印包含所有单词的数组时，最后一个单词从数组中删除，在这种情况下它将是单词“elit”。 我怎样才能解决这个问题？

Answer 1

您可以使用(?= |$)作为前瞻，意思是一个单词后跟一个非单词或输入的结尾：

preg_match_all('/([a-z]+)(?=\W|$)/i', $string, $matches);

print_r($matches[0]);

输出：

Array
(
    [0] => Lorem
    [1] => ipsum
    [2] => dolor
    [3] => sit
    [4] => amet
    [5] => consectetur
    [6] => adipiscing
    [7] => elit
    [8] => Lorem
    [9] => ipsum
    [10] => dolor
    [11] => sit
    [12] => amet
    [13] => consectetur
    [14] => adipiscing
    [15] => elit
)

顺便说一句，您可以使用拆分操作获得相同的结果：

$tokens = preg_split('/\h+/', $string);

\\h匹配水平空白。

Answer 2

使用以下正则表达式获取所有单词

\\w匹配任何单词字符（字母、数字、下划线）

preg_match_all('#\w+#', $string, $words);
print_r($words);

会输出

Array
(
    [0] => Array
        (
            [0] => Lorem
            [1] => ipsum
            [2] => dolor
            [3] => sit
            [4] => amet
            [5] => consectetur
            [6] => adipiscing
            [7] => elit
            [8] => Lorem
            [9] => ipsum
            [10] => dolor
            [11] => sit
            [12] => amet
            [13] => consectetur
            [14] => adipiscing
            [15] => elit
        )

)