PHP mb_split（），捕获分隔符

preg_split

有一个可选的

preg_split_DELIM_CAPTURE

标志，它还返回返回数组中的所有分隔符<代码>mb_分割不会

有没有办法拆分一个多字节字符串（不仅仅是UTF-8，还有各种类型）并捕获分隔符

我正在尝试制作一个多字节安全的换行符拆分器，保留换行符，但更喜欢更通用的解决方案

解决方案 感谢用户Casimir et Hippolyte，我构建了一个解决方案，并将其发布在github上 （），它允许所有preg_分割标志：

/**
*mb_split和preg_split之间的交叉，添加preg_split标志
*要分开。
*@param字符串$pattern
*@param string$string
*@param int$limit
*@param int$flags
*@return数组
*/
函数mb_explode（$pattern，$string，$limit=-1，$flags=0）{
$strlen=strlen（$string）；//字节！
mb_ereg_search_init（$string）；
$length=array（）；
$position=0；
while（（$array=mb\u ereg\u search\u pos（$pattern））！==false）{
//捕捉分裂
$length[]=数组（$array[0]-$position，false，null）；
//移动位置
$position=$array[0]+$array[1]；
//捕获定界符
$regs=mb_ereg_search_getregs（）；
$length[]=array（$array[1]，true，isset（$regs[1]）&&$regs[1]）；
//继续吗？
如果（$position>=$strlen）{
打破
}           
}
//如果不是以拆分结尾，则添加最后一位
$length[]=数组（$strlen-$position，false，null）；
//子串
$parts=array（）；
$position=0；
$count=1；
foreach（$length作为$length）{
$is_分隔符=$length[1]；
$is_captured=$length[2]；
如果（$limit>0&！$是分隔符（$length[0]| | ~$flags&PREG\u SPLIT\u NO\u EMPTY）&&++$count>$limit）{
如果（$length[0]>0 | | ~$flags&PREG_SPLIT_NO_EMPTY）{
$parts[]=$flags&PREG\u SPLIT\u OFFSET\u CAPTURE
？阵列（mb_struct（$string，$position），$position）
：mb_struct（$string，$position）；
}
打破
}elseif（！$is|分隔符（$flags&PREG|u SPLIT\u DELIM|u CAPTURE&$is|u CAPTURE））
&&（$length[0]| | ~$flags&PREG_SPLIT_NO_EMPTY））{
$parts[]=$flags&PREG\u SPLIT\u OFFSET\u CAPTURE
？数组（mb_struct（$string，$position，$length[0]），$position）
：mb_struct（$string，$position，$length[0]）；
}
$position+=$length[0]；
}
退回$parts；
}

捕获分隔符仅在

preg\u split

中可用，在其他功能中不可用

因此有三种可能性：

1）将字符串转换为UTF8，使用

preg\u split

和

preg\u split\u DELIM\u CAPTURE

将每个项目转换为原始编码

这种方法更简单。第二种情况并非如此。（请注意，一般来说，始终使用UTF8比处理外来编码更简单）

2）例如，您需要使用类似分割的函数来获取匹配的零件并构建如下模式：

delimiter|all_that_is_not_the_delimiter

（请注意，交替的两个分支必须相互排斥，并注意以不可能在结果之间产生间隙的方式写入它们。第一部分必须在字符串的开头，最后一部分必须在末尾。每个部分必须与前一部分相邻，依此类推。）

3）使用

mb_分割

。根据定义，lookarounds是零宽度断言，不匹配任何字符，只匹配字符串中的位置。因此，您可以使用这种模式来匹配分隔符之后或之前的位置：

(?=delimiter)|(<=delimiter)

---

（？=delimiter）|（您想做什么？发布一个示例字符串。我想用它来拆分换行符上的行。方法3运行良好：
mb_拆分（'（？=\r\n |\r |\n）|（@Martijn:如果换行序列是
\r\n
，这种方法将不起作用，因为模式将在
\r
和
\n
处拆分。因此您将获得：
行
，
\r
，
\n
，
行
。在这种情况下，方法2）更合适，因为您可以简单地使用此模式：
[^\r\n]+|\r？\n |\r
好吧，这在我的测试中似乎是可行的，但是还有一个问题，PHP5.2和5.3抛出了一个错误，因为他们认为模式是空的。接下来我将研究解决方案2。我想我找到了一个解决方案，使用了受方法2启发的东西（但改用
mb_ereg\u search\u pos
）.Pastebin：它没有经过彻底测试，但初步测试似乎很好；支持所有
preg_split
标志和限制。