Php 正则表达式拆分滴定酶字

我的正则表达式在PHP中不适合拆分标题库单词。 没有作者的文章不应受到正则表达式的影响

---

我当前的正则表达式：

来自（\S+\S）{2}（？您可以使用此正则表达式来匹配标题案例作者姓名，前面加上来自的
：

\bFrom(?:[\h-]+\p{Lu}\p{Ll}*)+


正则表达式分解：


\bFrom
：将
From
与单词边界匹配
（？：
：启动非捕获组

[\h-]+
：匹配
1+
水平空格或连字符
\p{Lu}
：匹配
1
大写unicode字母
\p{Ll}*
：匹配
0
或更多小写unicode字母

）+
：结束非捕获组。匹配此组的
1
或多个
使用
{2}
量词，您的模式将扩展为
\S+\S+\S
，但大写字母和小写字母之间没有空格

你可以用

'~From\s+(\S+\s\S+)(?![^\p{Lu}])~u'

见

详细信息


From
-文字子字符串
\s+
-1+空格
（\S+\S\S+）
-组1：一个或多个非空白字符，1个空白字符，再加上1个非空白字符
（？！[^\p{Lu}]）
-后跟大写字母或字符串结尾

或者，使用更具体的方法：

'~From\s+(\p{Lu}\p{Ll}*\s+\p{Lu}\p{Ll}*)~u'

或者，也支持撇号或连字符：

From\h+(\p{Lu}\p{Ll}*(?:[\h-']\p{Lu}\p{Ll}*)*)

请参见。此处，
\p{Lu}
匹配大写字母，
\p{Ll}*
匹配0+小写字母

请注意，为了便于访问，您甚至可以摆脱捕获组，使用
\K
操作符忽略匹配值以外的匹配文本：

'~From\h+\K\p{Lu}\p{Ll}*(?:[\h-']\p{Lu}\p{Ll}*)*~u'

看

请注意，在使用Unicode属性类（如
\p{Lu}
和Unicode字符串）时，应该使用
u
修饰符。
code

输出
Günther Rossmann的
这是本文
来自Harry Gregson Williamsan的其他文章文本
来自Nora WaldstättenSome lorem ipsum的东西
来自年度杰出建筑师
没有作者的文本


解释

（来自\S+\h+\S+（？小写字母后没有第二个空格。您可以使用类似的“快速修复”或尝试这样的解决方案，其中一些应该是作者的名字？谢谢@sinisake，我在回答中已经修复了它。只有一件事：“Harry Gregson Williams”-你的第二个和第三个正则表达式不匹配…@sinisake是的。事实上，我为第二个和第三个版本添加了一个增强版本。现在，它们也将匹配Günther O'Reilly的
。
(From \S+\h+\S+(?<=\p{Ll})(?=\p{Lu}))

From Günther RossmannThis is the article
From Harry Gregson-WilliamsAnother article text
From Nora WaldstättenSome lorem ipsum stuff
From the fantastic architect of the year
Text without an author

<b>From Günther Rossmann</b>This is the article
<b>From Harry Gregson-Williams</b>Another article text
<b>From Nora Waldstätten</b>Some lorem ipsum stuff
From the fantastic architect of the year
Text without an author