PHP 爆炸字符串与标签之间使用 UTF8答案

【问题标题】：PHP explode string with tags using UTF8 between themPHP 爆炸字符串与标签之间使用 UTF8
【发布时间】：2017-09-18 14:53:09
【问题描述】：

在 php 中，我想在它们之间使用 utf-8 来分解带有标签的字符串，例如，在此文本中：

$content = "<heading>فهرست اول</heading>hi my name is mahdi  whats app <heading>فهرست دوم</heading>how are you";

因为我必须<heading></heading> 标签与它们之间的 utf8，我想与它们有一个简单的数组，例如：

$arr[0] = "<heading>فهرست اول</heading>hi my name is mahdi  whats app";
$arr[1] = "<heading>فهرست دوم</heading>how are you";

<heading></heading> 之间的字符串不同，我该如何制作这个数组？问题是我如何通过<heading>ENY TEXT</heading> 分解文本

【问题讨论】：

你试过使用正则表达式吗？ preg_split 和 /(?=<heading>.*?<\/heading>)/ 作为模式应该可以工作......
它应该回答你的问题：stackoverflow.com/questions/5696412/…
@Soaku 不，你能帮我如何使用这个要求吗？
@Mahdi.Pishguy $arr = preg_split('/(?=<heading>.*?<\/heading>)/', $content) 将拆分 <heading> 标签上的字符串，无论其内容如何，都不会删除它。这应该工作......
@Soaku 是的，工作正常，但我想在与父母之间有标签，我不想删除heading

标签： php

【解决方案1】：

您可以使用preg_split通过正则表达式拆分文本，然后使用array_filter删除空字符串：

$arr = array_filter(preg_split('/(?=<heading>.*?<\/heading>)/', $contents), 'strlen');

它不会删除标签，因为它位于 look-ahead 中 - 一个不消耗匹配内容的组构造。

例如：

<heading>فهرست اول</heading>hi my name is mahdi  whats app <heading>فهرست دوم</heading>how are you

这应该返回：

array(
  [0] => "<heading>فهرست اول</heading>hi my name is mahdi  whats app ",
  [1] => "<heading>فهرست دوم</heading>how are you"
)

您可以在线查看此正则表达式：https://regex101.com/r/ITi7Lh/1
或者，如果您愿意，请查看 PHP 是如何解析它的：（该链接似乎不适用于 SO，您必须手动粘贴它）：https://en.functions-online.com/preg_split.html?command={"pattern":"\/(?=<heading>.*?<\\\/heading>)\/","subject":"<heading>\u0641\u0647\u0631\u0633\u062a \u0627\u0648\u0644<\/heading>hi my name is mahdi whats app <heading>\u0641\u0647\u0631\u0633\u062a \u062f\u0648\u0645<\/heading>how are you","limit":-1}

【讨论】：

对不起先生，我有这个结果给你代码：Array ( [1] => فهرست اولhi my name is mahdi whats app [2] => فهرست دومhow are you )
对不起先生，您说得对，看到源页面后我知道结果是正确的
@Mahdi.Pishguy 我正要说这个，但不知道为什么我没有发布那个。很高兴知道它有帮助。 :)
@Mahdi.Pishguy 如果您不使用任何其他标签，strip_tags 将删除 html 符号而不删除内容。否则，您可以使用一些正则表达式... `//
@Mahdi.Pishguy 我很乐意提供帮助 :) 只是想指出，即使正则表达式可能很简单，但它们并不总是最好的解决方案。如果您使用复杂的正则表达式或过于频繁，您可能会注意到速度变慢。如果存在替代方案 - 使用它。这里的其他人已经提供了一些，所以他们可能对你更好。

【解决方案2】：

如果您的 UTF 引起问题，您可以使用 strpos 和 Substr 来做同样的事情。

这将循环直到找不到更多标题，然后在循环后添加最后一个 Substr。

https://3v4l.org/UPfbb

$content = "<heading>فهرست اول</heading>hi my name is mahdi  whats app <heading>فهرست دوم</heading>how are you<heading>فهرست اول</heading>hi my name is mahdi  whats app2 <heading>فهرست دوم</heading>how are you2";

$oldpos =0;
$pos =strpos($content, "<heading>",1); // offset 1 to exclude first heading.

While($pos !== false){
    $arr[] = Substr($content, $oldpos, $pos-$oldpos);
    $oldpos = $pos;
    $pos =strpos($content, "<heading>",$oldpos+1); //offset previous position + 1 to make sure it does not catch the same again 
}
$arr[] = Substr($content, $oldpos); // add last one since it does not have a heading tag after itself.
Var_dump($arr);

【讨论】：

【解决方案3】：

您可以使用preg_match，或者在您的情况下使用preg_match_all：

$content = "<heading>فهرست اول</heading>hi my name is mahdi  whats app <heading>فهرست دوم</heading>how are you";

preg_match_all("'<heading>.*?<\/heading>'si", $content, $matches);
print_r($matches[0]);

给予：

Array
(
    [0] => <heading>فهرست اول</heading>
    [1] => <heading>فهرست دوم</heading>
)

【讨论】：

他希望在下一个标签之前也能得到标签后面的内容。不仅是里面的东西

【解决方案4】：

您可以尝试以下功能，它应该可以很好地满足您的需求。基本上你应该使用<heading>作为分隔符分割数组，结果数组中的每个项目都是你需要的，但是标题标签将被剥离，因为它是你分割的，所以你需要添加它背部。有 cmets 解释代码在做什么。

function get_what_mahdi_wants($in_string){

  $mahdis_strings_array = array();

  // Split string at occurrences of '<heading>'
  $mahdis_strings = explode('<heading>', $in_string);
  foreach($mahdis_strings as $mahdis_string){

    // if '<heading>' is found at start of string, empty array element will be created. Skip it.
    if($mahdis_string == ''){ continue; }

    // Add back string element with '<heading>' tag prepended since exploding on it stripped it.
    $mahdis_strings_array[] = '<heading>'.$mahdis_string;
  }
  return $mahdis_strings_array;
}

【讨论】：