如何使用正则表达式提取多语言内容

Question

我应该以这种方式从文本结构中提取多语种内容：

一些意大利文本/it英语文本/en bla bla bla

其他文本其他意大利语/it其他英语文本/en bla bla bla

我将摘取所有不附在beetwen多语种方括号内的案文和附在beetwen当前语文方括号内的案文。

例如，如果当前语言为"en“，我将提取以下文本：

一些文本英语文本bla

其他英文文本

如何使用正则表达式正确提取文本？

Answer 1

喜欢

 $result = preg_replace_callback("~\[ (\w+) \] (.*?) \[ /\\1 \]~sx", 
       function($m) { return $m[1] == "en" ? $m[2] : ""; },
       $text);

Answer 2

假设这些标记是正确平衡的，并且永远不会嵌套(这看起来是一个合理的假设)，您可以这样做：

$result = preg_replace('%\[it\].*?\[/it\]\s*|\[/?en\]\s*%s', '', $subject);

它专门查找和删除[it]-enclosed文本(以及[en]标记本身)。

解释：

\[it\]     # Match [it]
.*?        # and everything that follows until 
\[/it\]    # the nearest [/it]
\s*        # plus any trailing whitespace
|          # or
\[/?en\]   # Match [en] or [/en]
\s*        # plus any trailing whitespace

如果您想删除除[en]标记之间的文本之外的任何标记之间的文本，那么它会变得更加复杂(仍然假定没有嵌套标记)：

$result = preg_replace('%\[(?!/?en\b)([^\]]+)\].*?\[/\1\]\s*|\[/?en\]\s*%s', '', $subject);

解释：

\[         # Match [
(?!/?en\b) # Assert that this is not an [en] tag
([^\]]+)   # Match and capture the tag name (anything until the next ])
\]         # Match ]
.*?        # and everything that follows until 
\[/\1\]    # the nearest corresponding closing tag
\s*        # plus any trailing whitespace
|          # or
\[/?en\]   # Match [en] or [/en]
\s*        # plus any trailing whitespace

Answer 3

我认为最好不要使用preg_replace

$languages = array(
      'en'=>array(
          'label' => 'english label'
      ),
      'it'=>array(
          'label' => 'italian label'
      )
    );

    $language = "it";
    $someTextForItalian = "bla bla bla bla %s bla bla bla.";    
    $someTextForItalian = 
         sprintf(
           $someTextForItalian,
           $languages[$language]['label']
         );