Php 预匹配排除字符串

从10000行数据中，我必须得到所有不包含以“en”或“it”或“de”等开头的单词的行，它们的a-z和a-z长度从2到5，也有“-”（减号）和“；”

我试过了，但没用

 !preg_match("/\b(it|en|de|es|fr|ru)[a-zA-Z-;]{2,5}/", $value)

（对我来说）这是不匹配的所有行都有以它开头的单词，en等由2到5个字符组成，在这5个字符中还可以包含“-”或“；”

这将返回带有“it”的行，我需要排除这些行

编辑：我需要匹配以这两个字符开头的每个单词（it、en或de），并且可以在行中的任何位置

要匹配的示例（不包含以“en”、“de”等开头的单词）

示例不匹配（它确实包含以“en”开头的单词）

---

您正在寻找的魔法字符是插入符号：

^

：

!preg_match("/^(it|en|de|es|fr|ru)[a-zA-Z-;]{2,5}/", $value)

---

除此之外，看起来还不错。

您正在寻找的魔法角色是插入符号：

^

：

!preg_match("/^(it|en|de|es|fr|ru)[a-zA-Z-;]{2,5}/", $value)

除此之外，看起来不错。

您可以使用：

此处，

（？！…）

断言，如果不实际匹配包含模式，则包含模式从当前位置开始不得存在匹配。

您可以使用：

---

此处，

（？！…）

断言，如果不实际匹配包含模式，则从当前位置开始的包含模式不得匹配。

最简单的方法是首先将数据拆分为单独的行，然后逐个检查：

$lines = explode("\n", $data); // I'm making an assumption here, discussed below.
foreach ($lines as $line)
{
  if (!preg_match('/\b(?=it|en|de|es|fr|ru)[a-z;-]{2,5}/i', $line))
  {
    // line doesn't contain a word beginning with en, de, etc.
  }
}

您对

\b

元字符的使用应该正确<代码>\b如果第一个字符是单词字符，则在字符串开头匹配

我正在使用（

（？=）

）检查单词的前两个字符是否是您要查找的语言代码。这避免了@Aasmund Eldhuset在中指出的问题。换句话说，正则表达式引擎查找以要排除的语言代码开头的单词，但匹配结果由PHP逻辑反转，因此包含这些单词的任何行都将被忽略

---

我假设您的数据被一个

\n

（换行符）字符分割成几行。它可能被

\r

或

\n\r

拆分。如果您不知道使用了哪些换行符，可以使用代替，即：

---

最简单的方法是首先将数据拆分为单独的行，然后逐个检查：

$lines = explode("\n", $data); // I'm making an assumption here, discussed below.
foreach ($lines as $line)
{
  if (!preg_match('/\b(?=it|en|de|es|fr|ru)[a-z;-]{2,5}/i', $line))
  {
    // line doesn't contain a word beginning with en, de, etc.
  }
}

您对

\b

元字符的使用应该正确<代码>\b如果第一个字符是单词字符，则在字符串开头匹配

我正在使用（

（？=）

）检查单词的前两个字符是否是您要查找的语言代码。这避免了@Aasmund Eldhuset在中指出的问题。换句话说，正则表达式引擎查找以要排除的语言代码开头的单词，但匹配结果由PHP逻辑反转，因此包含这些单词的任何行都将被忽略

---

我假设您的数据被一个

\n

（换行符）字符分割成几行。它可能被

\r

或

\n\r

拆分。如果您不知道使用了哪些换行符，可以使用代替，即：

---

据我所知，您的正则表达式匹配的字符串以一个国家代码开头，总长度为4-7，而不是2-5。So

en不匹配，因为它只包含三个符号。
{2,5}
仅适用于其最左边的表达式，因此您的正则表达式读取“一个以它/en/de等开头并以两到五个字母/破折号/分号继续的单词”。请尝试
\b（it | en | de | es | fr | ru）[A-zA-Z-]{0,3}

您可能还希望明确分号是最后一个字符，也可能更具体地说明ISO语言代码的结构（我假设这些字符串是）：
\b（it | en | de | es | fr | ru）（[a-zA-Z]{2}）\b
。在这里，我们说“一个以/en/de等开头的单词可能会以破折号和两个字母继续，而（不管它是否有破折号和两个字母）可能会以分号继续。在这个单词结束之前，不允许有任何其他内容。”
据我所知，您的正则表达式匹配以某个国家/地区代码开头且总长度为4-7而不是2-5的字符串。So
en不匹配，因为它只包含三个符号。
{2,5}
仅适用于其最左边的表达式，因此您的正则表达式读取“一个以它/en/de等开头并以两到五个字母/破折号/分号继续的单词”。请尝试
\b（it | en | de | es | fr | ru）[A-zA-Z-]{0,3}

您可能还希望明确分号是最后一个字符，也可能更具体地说明ISO语言代码的结构（我假设这些字符串是）：
\b（it | en | de | es | fr | ru）（[a-zA-Z]{2}）\b
。在这里，我们说“一个以/en/de等开头的单词可能会以破折号和两个字母继续，并且（不管它是否有破折号和两个字母）可能会以分号继续。在该单词结束之前，不允许有任何其他内容。”
你能给我们看一些你正在匹配的数据吗？你能给我们看一些你正在匹配的数据吗？不太清楚。插入符号匹配行首，但不匹配单词的开头（当然，行首的单词除外）
\b
匹配单词边界（也可能不是单词的开头，因为单词边界只是指
\W
中的字符和
\W
中的字符之间的位置）。这会返回零行，但是有些行的开头是这样的，他说他想忽略以l开头的行
$lines = explode("\n", $data); // I'm making an assumption here, discussed below.
foreach ($lines as $line)
{
  if (!preg_match('/\b(?=it|en|de|es|fr|ru)[a-z;-]{2,5}/i', $line))
  {
    // line doesn't contain a word beginning with en, de, etc.
  }
}

$lines = preg_split('/\n|\n?\r/', $data);