正则表达式解析行并捕获字符串和逗号分隔的数字答案

【问题标题】：Regex to parse line with and capture string and comma separated number正则表达式解析行并捕获字符串和逗号分隔的数字
【发布时间】：2019-04-13 11:27:25
【问题描述】：

我正在尝试解析一个文件，其行类似于：

       John David James (DEM) .  .  .  .  .  .     7,808   10.51
       Marvin D. Scott (DEM)  .  .  .  .  .  .     6,548    9.55
       Maria "Mary" Williams (DEM)  .  .  .  .     4,551    8.58
       Dwayne R. Johnson.  .  .  .  .  .  .  .     4,322    8.22
       WRITE-IN.  .  .  .  .  .  .  .  .  .  .       188     .29

我需要获取名称和第一列中的数字。最终结果是

John David James (DEM),7808
Marvin D. Scott (DEM),6548
Maria "Mary" Williams (DEM),4551
Dwayne R. Johnson,4322
WRITE-IN,188

我试过了

\s*\b(.*)\b(\s*\.\s*.*)(\d+,\d+|\d+)\b
\s*\b(.*)\b(\.|.\s)+\b(\d+,\d+|\d+)\b

有什么建议吗？

【问题讨论】：

数据是否总是列对齐？
@SalmanA 是的。他们使用句点和空格来分隔名称和数字
然后使用 substr.不是正则表达式。
@SalmanA 名称的长度不同，值可以是 1 - 5 位。

标签： php regex string parsing csv

【解决方案1】：

如果数据是列对齐的（所有列都知道，固定宽度）然后使用字符串函数，例如substr:

<?php
$lines = '
       John David James (DEM) .  .  .  .  .  .     7,808   10.51
       Marvin D. Scott (DEM)  .  .  .  .  .  .     6,548    9.55
       Maria "Mary" Williams (DEM)  .  .  .  .     4,551    8.58
       Dwayne R. Johnson.  .  .  .  .  .  .  .     4,322    8.22
       WRITE-IN.  .  .  .  .  .  .  .  .  .  .       188     .29
';

foreach(preg_split('/(\\r|\\n)+/', $lines) as $line) {
    if ($line === '') continue;
    $name = substr($line, 0, 46);
    $amount = substr($line, 46, 10);
    $name = rtrim(ltrim($name), " .");
    $amount = (float) str_replace(",", "", $amount);
    echo $name . ", " . $amount;
}

【讨论】：

【解决方案2】：

您可以使用 UNGREEDY 正则表达式来实现它。

在这里，当我们捕捉到名称时，我们想要“一个任意字符的序列，后跟一系列点和空格”。所以这是等效的正则表达式：(.+)[. ]*。

但引擎默认设置为贪婪模式。会发生什么？第一部分(.+) 不会在遇到的第一个点或第一个空格处停止。为什么？因为有可能将整个正则表达式执行到行尾，而引擎会在贪婪模式下走这条路。

您可以在下面的工作代码中看到整个正则表达式也是如此。第一个捕获组将捕获名称字段之外的内容。

我们需要告诉他“吃”不太匹配的部分。

<?php
$lines = '
       John David James (DEM) .  .  .  .  .  .     7,808   10.51
       Marvin D. Scott (DEM)  .  .  .  .  .  .     6,548    9.55
       Maria "Mary" Williams (DEM)  .  .  .  .     4,551    8.58
       Dwayne R. Johnson.  .  .  .  .  .  .  .     4,322    8.22
       WRITE-IN.  .  .  .  .  .  .  .  .  .  .       188     .29
';
$lines = explode("\n", $lines);

// Here, the U flag sets the ungreedy mode
$pattern = '/^\s*(\S.+\S)[. ]+([0-9]+)(?:,([0-9]+))?\s.*$/U';
echo "<pre>";
foreach ($lines  as $line) {
    // Here : - ${1} will capture the name,
    //        - ${2} the integer part of the number
    //        - ${3} the decimal part
    echo preg_replace($pattern, '${1},${2}${3}', $line) . "\n";
}
echo "</pre>";
?>

结果：

John David James (DEM),7808
Marvin D. Scott (DEM),6548
Maria "Mary" Williams (DEM),4551
Dwayne R. Johnson,4322
WRITE-IN,188

【讨论】：

拆分（）？来自手册：此函数在 PHP 5.3.0 中已弃用，在 PHP 7.0.0 中已删除。。为了清楚起见，我没有投反对票。我只是写了这个作为为什么使用不推荐使用的函数。
是的，我看到了您的评论并修复了我的代码。我正忙于添加更多解释。谢谢。
再提醒一下，OP 不想要数字中的逗号。
感谢非常详细的描述！
谢谢阿梅西赫尔。您的回复很棒，但我选择了@Andreas 版本，因为他提供的代码给了我名称并算作我可以单独使用的变量。我将名称和数字转换为 json 数组以在其他地方使用。

【解决方案3】：

此模式通过查找名称后面的点序列来捕获名称。
然后捕获一个数字和逗号模式作为数字。

然后我循环构建新数组并将逗号替换为空。

$str = '       John David James (DEM) .  .  .  .  .  .     7,808   10.51
       Marvin D. Scott (DEM)  .  .  .  .  .  .     6,548    9.55
       Maria "Mary" Williams (DEM)  .  .  .  .     4,551    8.58
       Dwayne R. Johnson.  .  .  .  .  .  .  .     4,322    8.22
       WRITE-IN.  .  .  .  .  .  .  .  .  .  .       188     .29';
preg_match_all("/\s*(.*?)\s*\.  \..*?([\d,]+)/", $str, $matches);

foreach($matches[1] as $key => $name){
    $new[] = $name . "," . str_replace(",", "", $matches[2][$key]);
}


var_dump($new);

输出：

array(5) {
  [0]=>
  string(27) "John David James (DEM),7808"
  [1]=>
  string(26) "Marvin D. Scott (DEM),6548"
  [2]=>
  string(32) "Maria "Mary" Williams (DEM),4551"
  [3]=>
  string(22) "Dwayne R. Johnson,4322"
  [4]=>
  string(12) "WRITE-IN,188"
}

https://3v4l.org/SdqoZ

【讨论】：

谢谢@Andreas。这很好用。这个版本实际上更简化了我的工作，因为我可以分别使用名称和计数。