PHP mb_split（），捕获分隔符

Question

preg_split有一个可选的PREG_SPLIT_DELIM_CAPTURE标志，它也返回返回数组中的所有分隔符。 mb_split没有。

有没有什么办法来拆分多字节字符串（不只是UTF-8，但所有类型）和捕获分隔符？

我正在尝试制作一个多字节安全的换行符，保留换行符，但希望使用更具代表性的可用解决方案。

解决方案 由于用户卡西米尔等伊波利特，我建立了一个解决方案，并张贴在GitHub上 （https://github.com/vanderlee/PHP-multibyte-functions/blob/master/functions/mb_explode.php），这使得所有的使preg_split标志：

/** 
* A cross between mb_split and preg_split, adding the preg_split flags 
* to mb_split. 
* @param string $pattern 
* @param string $string 
* @param int $limit 
* @param int $flags 
* @return array 
*/ 
function mb_explode($pattern, $string, $limit = -1, $flags = 0) {  
    $strlen = strlen($string);  // bytes! 
    mb_ereg_search_init($string); 

    $lengths = array(); 
    $position = 0; 
    while (($array = mb_ereg_search_pos($pattern)) !== false) { 
     // capture split 
     $lengths[] = array($array[0] - $position, false, null); 

     // move position 
     $position = $array[0] + $array[1]; 

     // capture delimiter 
     $regs = mb_ereg_search_getregs();   
     $lengths[] = array($array[1], true, isset($regs[1]) && $regs[1]); 

     // Continue on? 
     if ($position >= $strlen) { 
      break; 
     }   
    } 

    // Add last bit, if not ending with split 
    $lengths[] = array($strlen - $position, false, null); 

    // Substrings 
    $parts = array(); 
    $position = 0;  
    $count = 1; 
    foreach ($lengths as $length) { 
     $is_delimiter = $length[1]; 
     $is_captured = $length[2]; 

     if ($limit > 0 && !$is_delimiter && ($length[0] || ~$flags & PREG_SPLIT_NO_EMPTY) && ++$count > $limit) { 
      if ($length[0] > 0 || ~$flags & PREG_SPLIT_NO_EMPTY) {   
       $parts[] = $flags & PREG_SPLIT_OFFSET_CAPTURE 
          ? array(mb_strcut($string, $position), $position) 
          : mb_strcut($string, $position);     
      } 
      break; 
     } elseif ((!$is_delimiter || ($flags & PREG_SPLIT_DELIM_CAPTURE && $is_captured)) 
       && ($length[0] || ~$flags & PREG_SPLIT_NO_EMPTY)) { 
      $parts[] = $flags & PREG_SPLIT_OFFSET_CAPTURE 
         ? array(mb_strcut($string, $position, $length[0]), $position) 
         : mb_strcut($string, $position, $length[0]); 
     } 

     $position += $length[0]; 
    } 

    return $parts; 
} 

Answer 1

捕获分隔符是唯一可能与preg_split并不适用于其他功能。

那么三种可能性：

1）您的字符串转换为UTF-8，使用preg_split与PREG_SPLIT_DELIM_CAPTURE，并使用array_map每个项目转换成原始编码。

这种方式更简单。第二种方式并非如此。 （请注意，在一般情况下，它更简单，在UTF8总是工作，而不是具有异国情调的编码处理，）代替分裂样功能，你需要使用例如mb_ereg_search_regs的

2）获得匹配的零部件，并建立这样的模式：

delimiter|all_that_is_not_the_delimiter 

（注意交替的两个分支必须是相互排斥的，照顾到他们写的方式，使得结果之间是不可能的差距。第一部分必须在一开始的字符串和最后一部分必须在最后。每个部分必须是连续的到先前等等。）

3）使用mb_split与lookarounds。根据定义，lookaround是零宽度断言，不匹配任何字符，但只匹配字符串中的位置。所以，你可以使用这种模式，经过或分隔符之前匹配的位置：

(?=delimiter)|(<=delimiter) 

（这种方式的局限性是，在回顾后的子模式不能具有可变长度（换句话说，你不能在里面使用量词），但它可以是固定长度子模式的交替：(?<=subpat1|subpat2|subpat3)）