Regex问题:无法匹配可变长度模式

Question

我对regex有一个问题，使用preg_match_all()来匹配可变长度的内容。

我想要匹配的是“拥挤”这个词之后的交通状况，我想出的是这个正则表达式：

Congestion\s*:\s*(?P<congestion>.*)

但是，它将提取第一个实例，直到整个主题结束，因为.*将匹配所有内容。但这不是我想要的，我想让它分别作为3个实例来匹配。

现在，由于拥塞背后的单词可能是可变长度的，所以我不能真正预测出在中间有多少单词和空格来进行更严格的\w*\s*\w*匹配等等。

有什么线索让我从这里开始吗？

Highway : Highway 26
Datetime : 18-Oct-2010 05:18 PM
Congestion : Traffic is slow from Smith St to Alice Springs St

Highway : Princes Highway
Datetime : 18-Oct-2010 05:18 PM
Congestion : Traffic is slow at the Flinders St / Elizabeth St intersection

Highway : Eastern Freeway
Datetime : 18-Oct-2010 05:19 PM
Congestion : Traffic is slow from Prince St to Queen St

编辑以实现清晰性

这里的这些格式非常好的文本，实际上是通过格式非常差的html电子邮件接收的。它包含随机的断线，例如“塞车:从王子\n到皇后街的交通很慢”。

因此，在处理电子邮件时，我去掉了所有html代码和随机换行，然后json_encode()将它们转换成一个非常长的单行字符串，没有中断.

Answer 1

您可以尝试一个最小的匹配：

Congestion\s*:\s*(?P<congestion>.*?)

这将导致在命名组“拥塞”中返回零个字符，除非您可以在拥塞字符串之后立即匹配。

因此，如果“公路”总是启动交通状况记录，则可以修复这个问题：

Congestion\s*:\s*(?P<congestion>.*?)Highway\s*:

如果这是有效的(我没有检查它)，那么第一个记录是匹配的，但最后一个记录是不匹配的！这可以很容易地通过在输入字符串的末尾附加文本‘高速路:’来解决。

Answer 2

通常，正则匹配是基于线的.Regex假设您的字符串是一行。您可以使用“m” () flag来改变这种行为。然后，您可以告诉PHP只匹配行尾：

preg_match('/^Congestion\s*:\s*(?P<congestion>.*)$/m', $subject, $matches);

有两件事需要注意:首先，模式被修改为包含了行开始(^)和行结束($)标记。其次，该模式现在带有m修饰符。

Answer 3

Congestion\s*:\s*Traffic is\s*(?P<c1>[^\n]*)\s*from\s*(?P<c2>[^\n]*)\s*to\s*(?P<c3>[^\n]*)$