PHP 正则表达式和相邻的捕获组

Question

我第一次在正则表达式中使用捕获组，我想知道我的问题是什么，因为我假设正则表达式引擎从左到右查看字符串。

我正在尝试将 UpperCamelCase 字符串转换为连字符小写字符串，例如：

HelloWorldThisIsATest => hello-world-this-is-a-test

我的前置条件是一个字母字符串，所以我不需要担心数字或其他字符。这是我尝试过的：

mb_strtolower(preg_replace('/([A-Za-z])([A-Z])/', '$1-$2', "HelloWorldThisIsATest"));

结果：

hello-world-this-is-atest

这几乎是我想要的，除了a 和test 之间应该有一个连字符。我已经将A-Z 包含在我的第一个捕获组中，因此我假设引擎会看到AT 并将其连字符连接起来。

我做错了什么？

Answer 1

为了解决 Jack 在您的 cmets 中提到的有趣用例（避免缩写词的拆分），我采用了 zx81 使用前瞻和后瞻的路线。

(?<=[a-z])(?=[A-Z])|(?<=[A-Z])(?=[A-Z][a-z])

你可以一分为二来解释：

第一部分

(?<=                     look behind to see if there is:
  [a-z]                    any character of: 'a' to 'z'
)                        end of look-behind
(?=                      look ahead to see if there is:
  [A-Z]                    any character of: 'A' to 'Z'
)                        end of look-ahead

(TL;DR: CamelCase Pattern 的字符串之间的匹配。)

第二部分

(?<=                     look behind to see if there is:
  [A-Z]                    any character of: 'A' to 'Z'
)                        end of look-behind
(?=                      look ahead to see if there is:
  [A-Z]                    any character of: 'A' to 'Z'
  [a-z]                    any character of: 'a' to 'z'
)                        end of look-ahead

（TL;DR：特殊情况，缩写与驼峰模式匹配）

因此您的代码将是：

mb_strtolower(preg_replace('/(?<=[a-z])(?=[A-Z])|(?<=[A-Z])(?=[A-Z][a-z])/', '-', "HelloWorldThisIsATest"));

Demo of matches

Demo of code

Answer 2

为简单起见，我将两个正则表达式分开：

preg_replace(array('/([a-z])([A-Z])/', '/([A-Z]+)([A-Z])/'), '$1-$2', $string);

它处理字符串两次以找到：

1. 小写 -> 大写边界
2. 多个大写字母后跟另一个大写字母

这将具有以下行为：

ThisIsHTMLTest -> This-Is-HTML-Test
ThisIsATest    -> This-Is-A-Test

或者，使用前瞻断言（这将影响上一场比赛中使用的最后一个大写字母的重用）：

preg_replace('/([A-Z]+|[a-z]+)(?=[A-Z])/', '$1-', $string);

Answer 3

您的正则表达式不起作用的原因：重叠匹配

• 您的正则表达式匹配IsATest 中的sA，允许您在s 和A 之间插入-
• 为了在A 和T 之间插入-，正则表达式必须匹配AT。
• 这是不可能的，因为A 已经作为sA 的一部分进行匹配。在直接正则表达式中不能有重叠匹配。
• 是不是所有的希望都落空了？不！ 这是一个完美的环视情况。

用两条简单的线来做

这是使用正则表达式的简单方法：

$regex = '~(?<=[a-zA-Z])(?=[A-Z])~';
echo strtolower(preg_replace($regex,"-","HelloWorldThisIsATest"));

查看php demo底部的输出：

输出：hello-world-this-is-a-test

稍后会添加解释。 :)

• 正则表达式不匹配任何字符。相反，它针对字符串中的位置：字母大小写变化之间的位置。为此，它使用后向和前瞻
• (?<=[a-zA-Z])lookbehind 断言当前位置之前是一个字母
• (?=[A-Z]) 前瞻断言当前位置后面是一个大写字母。
• 我们只需将这些位置替换为-，并将批次转换为小写。

如果您仔细查看此regex101 screen，您会看到单词之间的线条，其中正则表达式匹配。

参考

• Lookahead and Lookbehind Zero-Length Assertions
• Mastering Lookahead and Lookbehind