本文介绍在php中通过正则表达式智能分词的方法，将血液类型等固定多词组合（如“a positive”“o negative”）视为不可分割的语义单元，避免传统空格切分导致的误匹配问题。
在构建血液捐献者搜索系统时，一个常见但关键的挑战是：如何让语义上紧密关联的多词短语（例如 "o negative"、"a positive"）在搜索过程中被当作一个整体处理，而非被 explode(" ", $keyword) 拆散成孤立单词？否则，像 LIKE '%o%' 这样的模糊匹配会意外命中所有含字母 o 的姓名（如 "Tony"、"Rony"），严重降低搜索精准度。
✅ 正确思路：语义优先的正则分词
与其依赖简单空格分割，不如采用基于规则的正则匹配，主动识别两类内容：
- 预定义复合词：如 [a|b|o] [positive|negative]（忽略大小写与空格）；
- 其余独立单词：非复合词的普通词汇（如 "blood"、"khulna"）。
以下 PHP 代码实现了这一逻辑：
$keyword = "o negative blood donor in khulna"; // 核心正则：优先匹配血型组合，再捕获其他非空格词 $pattern = '/(?i)\b[aob]\s+(?:posi|nega)tive\b|\S+/'; preg_match_all($pattern, $keyword, $matches); $keyword_array = $matches[0]; print_r($keyword_array); // 输出： // Array // ( // [0] => o negative // [1] => blood // [2] => donor // [3] => in // [4] => khulna // )
? 正则解析：
- (?i)：启用不区分大小写匹配；
- \b[aob]\s+(?:posi|nega)tive\b：匹配以 a/b/o 开头、后接空白符及 positive/negative 的完整血型（\b 确保边界，避免 abnormal 中的 ab 被误抓）；
- |：或；
- \S+：匹配任意连续非空白字符（即其他常规词）。
⚠️ 注意事项与优化建议
- 数据库字段需标准化：确保 blood_group.group_name 中存储的是统一格式（如全小写 "o negative"），便于正则与 LIKE 匹配一致；
- 避免 SQL 注入：实际使用中，$keyword 和 $array 必须经 mysqli_real_escape_string() 或更推荐的 PDO 预处理语句过滤，切勿直接拼接 SQL；
- 扩展性考虑：若未来新增血型（如 "ab positive"），只需更新正则中的字符组 [aob] → [aobAB] 或改用 (?:a|b|o|ab)；
- 性能提示：对高频搜索，可将常用血型组合预存为映射表（如 ['o negative' => 3]），结合 IN 子句替代多 LIKE，进一步提升查询效率。
通过这种语义感知的分词策略，你的搜索将真正理解 “o negative” 是一个整体概念，从而精准召回 blood_id = 3 的捐献者，同时排除因单字匹配引发的噪声结果——让搜索从「字符匹配」迈向「语义匹配」。
