正则表达式拆分 TitleCase Word答案

【问题标题】：Regex split TitleCase Word正则表达式拆分 TitleCase Word
【发布时间】：2017-11-27 14:49:53
【问题描述】：

我的正则表达式并不能真正用于在 PHP 中拆分 TitleCase 单词。没有作者的文章不应受到正则表达式的影响。

我目前的正则表达式： From (\S+\s){2}(?<=[a-z])(?=[A-Z])

这是我的Regex

输入：

From Günther RossmannThis is the article From Harry Gregson-WilliamsAnother article text From Nora WaldstättenSome lorem ipsum stuff From the fantastic architect of the year Text without an author

预期输出：

From Günther Rossman This is the article From Harry Gregson-Williams Another article text From Nora Waldstätten Some lorem ipsum stuff From the fantastic architect of the year Text without an author

【问题讨论】：

小写字母后没有第二个空格。您可以使用From (\S+\s\S+)(?<=[a-z])(?=[A-Z]) 之类的“快速修复”或尝试'~From\s+(\p{Lu}\p{Ll}*\s+\p{Lu}\p{Ll}*)~u' 之类的解决方案

标签： php regex pcre

【解决方案1】：

使用{2} 量词，您的模式将扩展为\S+\s\S+\s，但大小写字母之间没有空格。

你可以使用

'~From\s+(\S+\s\S+)(?![^\p{Lu}])~u'

见regex demo

详情

From - 文字子串
\s+ - 1+ 个空格
(\S+\s\S+) - 第 1 组：一个或多个非空白字符、1 个空白字符和 1 个以上非空白字符
(?![^\p{Lu}]) - 后跟大写字母或字符串结尾。

或者，使用更具体的：

'~From\s+(\p{Lu}\p{Ll}*\s+\p{Lu}\p{Ll}*)~u'

或者，也支持撇号或连字符：

From\h+(\p{Lu}\p{Ll}*(?:[\h-']\p{Lu}\p{Ll}*)*)

见this regex demo。这里，\p{Lu} 匹配一个大写字母，\p{Ll}* 匹配 0+ 个小写字母。

请注意，为了更方便访问，您甚至可以去掉捕获组并使用\K 运算符忽略匹配值到目前为止匹配的文本：

'~From\h+\K\p{Lu}\p{Ll}*(?:[\h-']\p{Lu}\p{Ll}*)*~u'

见this regex demo。

请注意，在使用 Unicode 属性类（如 \p{Lu} 和 Unicode 字符串）时，应使用 u 修饰符。

【讨论】：

只有一件事：“Harry Gregson-Williams” - 你的第二个和第三个正则表达式不匹配...
@sinisake first one 确实如此。实际上，我为第 2 版和第 3 版都添加了增强版。现在，它们也将匹配 From Günther O'Reily。

【解决方案2】：

代码

See regex in use here

(From \S+\h+\S+(?<=\p{Ll})(?=\p{Lu}))

结果

输入

From Günther RossmannThis is the article
From Harry Gregson-WilliamsAnother article text
From Nora WaldstättenSome lorem ipsum stuff
From the fantastic architect of the year
Text without an author

输出

<b>From Günther Rossmann</b>This is the article
<b>From Harry Gregson-Williams</b>Another article text
<b>From Nora Waldstätten</b>Some lorem ipsum stuff
From the fantastic architect of the year
Text without an author

说明

(From \S+\h+\S+(?<=\p{Ll})(?=\p{Lu})) 将以下内容捕获到捕获组 1
- From 从字面上匹配这个
- \S+ 匹配任意非空白字符一次或多次
- \h+ 匹配任意水平空白字符一次或多次
- \S+ 匹配任意非空白字符一次或多次
- (?<=\p{Ll}) 正向后视确保前面是任何语言/脚本 (Unicode) 中的小写字符
- (?=\p{Lu}) 正向前瞻确保后面是任何语言/脚本 (Unicode) 的大写字符

我使用\p{} 字符类来确保匹配任何脚本；因为您有两个名称中带有 Unicode 符号。

【讨论】：

【解决方案3】：

您可以使用此正则表达式来匹配标题大小写作者姓名以 From 开头：

\bFrom(?:[\h-]+\p{Lu}\p{Ll}*)+

RegEx Demo

RegEx 拆分：

\bFrom：匹配From与单词边界
(?:: 启动非捕获组
- [\h-]+：匹配1+水平空格或连字符
- \p{Lu}：匹配1大写unicode字母
- \p{Ll}*：匹配 0 或多个小写 unicode 字母
)+：结束非捕获组。匹配1 或更多此群组

【讨论】：

This, Some and Another 应该是作者的名字吗？
谢谢@sinisake，我已经在我的回答中修正了它。