在处理复杂文本数据时，我们经常需要根据多种不同的分隔符来拆分字符串，并且要求在拆分结果中能够识别出每个片段是由哪个分隔符引导的，同时保持原始的顺序。php的explode()函数虽然功能强大，但它一次只能使用一个分隔符，并且在拆分后会丢弃分隔符本身，这使得它无法直接满足上述需求。本文将介绍两种有效的方法来解决这一挑战。
挑战：多分隔符与顺序保留
考虑以下字符串示例，其中*表示负值，-表示正值：
$text = "* aaa aaa - bbb bbb - ccc * ddd * eee";
我们的目标是将其拆分为如下格式，并识别出每个片段的类型（正值或负值）：
1 - Negative: aaa aaa 2 - Positive: bbb bbb 3 - Positive: ccc 4 - Negative: ddd 5 - Negative: eee
直接使用explode('*', $text)或explode('-', $text)都无法同时处理两种分隔符并保留它们的信息。
方法一：基于正则表达式的预处理与拆分
这种方法的核心思想是利用正则表达式preg_replace()函数，在原始分隔符前插入一个唯一的、不常用的临时分隔符。这样，所有原始分隔符（及其后续内容）都会被这个临时分隔符统一标识，然后我们再使用explode()函数以这个临时分隔符进行拆分。
立即学习“PHP免费学习笔记（深入）”；
实现步骤：
- 预处理字符串： 使用preg_replace()将所有目标分隔符（如*和-）前面插入一个独特的字符（例如制表符\t）。
- 使用explode()拆分： 以这个独特的字符作为分隔符，对预处理后的字符串进行拆分。
- 遍历并解析： 遍历拆分后的数组，根据每个元素的第一个字符判断其原始分隔符类型，并提取实际内容。
示例代码：
* aaa aaa // 第一个元素可能包含原始字符串开头部分或第一个分隔符之前的内容
[1] => - bbb bbb
[2] => - ccc
[3] => * ddd
[4] => * eee
)
*/
// 调整：由于第一个分隔符前面没有插入\t，所以第一个元素需要特殊处理
// 更好的做法是确保所有分隔符都按统一规则处理。
// 我们可以先移除开头的空格，然后统一处理。
$text = trim($text); // 移除字符串开头可能存在的空格
$formatted_text = preg_replace('/([-*])\s*/', "\t$1", $text); // 匹配分隔符及其后的空格，替换为\t和分隔符
// 如果第一个字符就是分隔符，则会在其前插入\t，导致数组第一个元素为空。
// 例如："* aaa - bbb" -> "\t* aaa \t- bbb" -> ["", "* aaa ", "- bbb"]
$items_with_one_empty_in_front = explode("\t", $formatted_text);
// 步骤3: 遍历并解析结果
$opwords = [
'*' => 'Negative',
'-' => 'Positive'
];
$index = 1;
foreach (array_slice($items_with_one_empty_in_front, 1) as $item) {
// 移除每个item两端的空格，并确保其不为空
$item = trim($item);
if (empty($item)) {
continue;
}
$delimiter = $item[0]; // 获取分隔符
$value = trim(substr($item, 1)); // 获取实际内容，并移除前导空格
if (isset($opwords[$delimiter])) {
echo $index++ . " - " . $opwords[$delimiter] . ": " . $value . "\n";
}
}
?>输出：
1 - Negative: aaa aaa 2 - Positive: bbb bbb 3 - Positive: ccc 4 - Negative: ddd 5 - Negative: eee
注意事项：
- 正则表达式设计： preg_replace的正则表达式需要精确匹配你的分隔符模式。如果分隔符前后没有固定空格，或者有其他变体，需要相应调整。
- 临时分隔符的选择： 选择一个在你的数据中绝对不会出现的字符作为临时分隔符（如\t、\n或一些特殊符号），以避免冲突。
- 处理空元素： explode可能会生成空字符串元素，尤其是在字符串开头或连续出现分隔符时，需要进行适当的过滤。
方法二：逐令牌解析（Tokenization）
这种方法适用于分隔符和其对应的值总是成对出现，并且两者之间有固定分隔符（如空格）的情况。它通过将整个字符串首先拆分为更小的“令牌”（tokens），然后逐个处理这些令牌。
实现步骤：
- 按主要分隔符拆分： 将整个字符串按空格拆分为一个令牌数组。
- 逐对处理令牌： 遍历令牌数组，每次取出两个令牌：一个作为分隔符，一个作为其对应的值。
- 识别并输出： 根据分隔符识别类型，并格式化输出。
示例代码：
'Negative',
'-' => 'Positive'
];
$i = 1;
$current_delimiter = null;
$current_value_parts = [];
foreach ($parts as $part) {
if (isset($opwords[$part])) { // 如果当前部分是分隔符
// 如果有前一个分隔符和值，先输出
if ($current_delimiter !== null && !empty($current_value_parts)) {
echo $i++ . " - " . $opwords[$current_delimiter] . ": " . implode(" ", $current_value_parts) . "\n";
}
// 更新当前分隔符，并清空值部分
$current_delimiter = $part;
$current_value_parts = [];
} else { // 如果当前部分是值的一部分
$current_value_parts[] = $part;
}
}
// 输出最后一个分隔符和值
if ($current_delimiter !== null && !empty($current_value_parts)) {
echo $i++ . " - " . $opwords[$current_delimiter] . ": " . implode(" ", $current_value_parts) . "\n";
}
?>输出（针对$simple_text）：
1 - Negative: aaa 2 - Positive: bbb 3 - Positive: ccc 4 - Negative: ddd 5 - Negative: eee
针对原始复杂字符串的改进版逐令牌解析：
对于原始的$text = "* aaa aaa - bbb bbb - ccc * ddd * eee";，由于值可能包含空格，我们需要更复杂的逻辑，例如使用preg_split来同时拆分并保留分隔符。
'Negative',
'-' => 'Positive'
];
// 使用preg_split，匹配分隔符并将其保留在结果数组中
// `/([-*])/` 匹配分隔符，`U` 非贪婪模式，`PREG_SPLIT_DELIM_CAPTURE` 捕获分隔符
// `PREG_SPLIT_NO_EMPTY` 避免空结果
$tokens = preg_split('/([-*])/', $text, -1, PREG_SPLIT_DELIM_CAPTURE | PREG_SPLIT_NO_EMPTY);
echo "preg_split 后的令牌数组:\n";
print_r($tokens);
/*
输出:
Array
(
[0] => *
[1] => aaa aaa
[2] => -
[3] => bbb bbb
[4] => -
[5] => ccc
[6] => *
[7] => ddd
[8] => *
[9] => eee
)
*/
$index = 1;
for ($j = 0; $j < count($tokens); $j++) {
$token = trim($tokens[$j]); // 移除令牌两端的空格
if (isset($opwords[$token])) { // 如果当前令牌是分隔符
$delimiter = $token;
// 确保下一个令牌存在且不是分隔符，它应该是值
if (isset($tokens[$j+1])) {
$value = trim($tokens[$j+1]);
echo $index++ . " - " . $opwords[$delimiter] . ": " . $value . "\n";
$j++; // 跳过已经处理过的值令牌
}
} else if ($j == 0 && !isset($opwords[$token])) {
// 处理字符串开头没有分隔符的情况，这里不适用，因为我们假设总是以分隔符开头
// 或者第一个令牌是值但前面没有分隔符（需要根据实际需求决定如何处理）
// 在本例中，我们假设字符串总是以分隔符开头
}
}
?>输出：
1 - Negative: aaa aaa 2 - Positive: bbb bbb 3 - Positive: ccc 4 - Negative: ddd 5 - Negative: eee
这种preg_split的方法更强大，能够直接将分隔符和内容都捕获到结果数组中，从而实现更精确的逐令牌解析。
注意事项与最佳实践
- 字符串结构分析： 在选择方法之前，仔细分析你的输入字符串结构。分隔符是固定长度还是可变长度？分隔符与内容之间是否有固定分隔符（如空格）？值是否可能包含空格？这些都会影响你选择最合适的正则表达式或解析逻辑。
- 错误处理与健壮性： 考虑输入字符串可能不符合预期格式的情况。例如，分隔符后面没有内容，或者连续出现分隔符。在实际应用中，需要添加错误检查和异常处理机制，以提高代码的健壮性。
- 性能考量： 对于非常大的字符串，正则表达式操作可能会比简单的字符串函数（如strpos、substr）消耗更多资源。但对于大多数常见场景，preg_replace和preg_split的性能是完全可接受的，并且它们提供了更高的灵活性。
- 代码可读性： 复杂的正则表达式或多步处理逻辑需要清晰的注释和合理的变量命名，以确保代码的可读性和可维护性。
总结
本文介绍了两种在PHP中处理多分隔符字符串拆分并保留分隔符类型和顺序的方法：一种是利用preg_replace进行预处理后使用explode，另一种是更强大的preg_split结合循环进行逐令牌解析。preg_split方法通常更为灵活和强大，能够直接将分隔符捕获到结果数组中，适用于值中可能包含空格的复杂情况。开发者应根据具体的字符串结构和需求，选择最适合的解析策略，并注意代码的健壮性和可维护性。
