Php 正则表达式匹配双语字幕中的文本

我已经和正则表达式混在一起很久了，不能让它有效地找到这个文本。我相信专家会马上知道的

基本上我需要这样做：

3
00:00:45,607 --> 00:00:49,202
<i>Good morning,
it's GLR Breakfast on 94.9 FM...</i>
早上好，这里是调频94.9 GLR早餐电台

4
00:00:54,727 --> 00:00:56,319
Wha...?!
什么？

5
00:01:03,527 --> 00:01:05,722
Oh, no!
噢， 不

6
00:01:16,207 --> 00:01:20,564
<i>Don't go back to sleep,
you lazy sowI It's 8 o'clockI</i>
你敢睡回笼觉，已经八点了你个懒鬼

7
00:01:20,727 --> 00:01:24,766
<i>You've got three seconds
before the saucepan lidsI</i>
在锅铲乐前你还有三秒

8
00:01:28,447 --> 00:01:31,644
Oh, yes! All right!
好吧，好吧

我知道中文文本可以与

{Han}

匹配，但这里我需要“不”匹配它，或者匹配它与时间索引之间的匹配，但我无法让它完全正常工作。特别是因为有些行是多行的，有些行不是…

假设格式为数字、换行符、时间戳-->时间戳、换行符、1+英文行、1+中文行，您可以使用

(\d+\R\d{2}:\d{2}:\d{2},\d+ --> \d{2}:\d{2}:\d{2},\d+\R)\P{Han}+

并替换为

$1

捕获组通过已知的标题导航到正确的位置，然后

\p{Han}

匹配所有非中文的内容

如果中文也可以以数字等开头，您可以使用

（？：（？！.*\p{Han}）。*\R）+

而不是

\p{Han}

来匹配所有不包含任何中文字符的行

除了捕获组，您还可以使用

\K

重置匹配内容，然后使用空替换。为此，将模式的第一部分更改为

\d+\R\d{2}:\d{2}:\d{2}、\d+-->\d{2}:\d{2}:\d{2}、\d+\R\K

另请参见您可以使用的

(^\d+\R
\d{2}:.+\R)
(?:(?!.*\p{Han}).+\R?)*
((?:.+\R?)+)

并将其替换为

$1$2

，请参阅。

---

分解后，这表示：

(^\d+\R                  # capture into group 1, start of line, digits and a linebreak
\d{2}:.+\R)              # two digits, : and anything in that line afterwards
(?:(?!.*\p{Han}).+\R?)*  # match (but don't capture) any line where no char of \p{Han} is
((?:.+\R?)+)             # capture the rest into group 2

---

我并不是说这在任何方面都是完美的，但它适用于这个例子，也可能适用于其他例子

我检查时间下面的每一行是否有三个以上的“英文字母”，如果有，我将其删除。
当然，这可能是问题的根源，但你必须决定这是否是一个问题

$arr =explode(PHP_EOL.PHP_EOL, $t);

Foreach($arr as &$group){
    $lines = explode(PHP_EOL, $group);
    For($i=2;$i<count($lines);$i++){//I=2 is line three, just below timestamp
        If(preg_match("/[a-zA-Z \.,?!]{3,}/", $lines[$i])){
            unset($lines[$i]);
        }
    }
    $group = implode(PHP_EOL, $lines);
}
Echo implode(PHP_EOL.PHP_EOL, $arr);

$arr=explode（PHP\u EOL.PHP\u EOL，$t）；
Foreach（$arr as和$group）{
$lines=explode（PHP\u EOL，$group）；
对于（$i=2；$i），以下表达式匹配示例中所有必需的行

(?:.*\p{Han}.*)+|(?:\d{2}:\d{2}:\d{2},\d{3}(?: --> )?)+|^\d+$

使用的标志是全局和多行的

说明：

（？：.*\p{Han}.*）+
必须至少包含一个汉字

（？：\d{2}:\d{2}:\d{2}、\d{3}（？：-->）+
与时间戳匹配

^\d+$
与索引匹配

您尝试过什么？这是StackOverflow每个问题的一个重要部分。@mickmackusa事实上并不总是如此。对于类似的问题，Regex可能最好不要这样做。对于Regex，您需要从头开始，尝试匹配您需要匹配的内容。对于代码块，它是不同的，并且您所说的内容适用。这就是为什么除了提到{Han}之外，我没有包括我尝试过的模式以防万一。提供您失败的尝试并没有什么丢脸的。它向我们展示了您在发布之前试图自行解决问题，这让我们有机会修复您的尝试，而不是为您编写新的代码。许多运营商使用免费编码服务，发布您的代码将您与这些用户区分开来。@mickmackusa我解释说我不会在第一句话中，ried说了很久了。我不是说你是个骗子，我只是恳请你向我们展示你失败的最佳尝试，这样我们就可以解释你陷入困境的原因和解决方法。+1很漂亮！但这些都是字幕，一切都是可能的。如果中文台词以数字开头怎么办？不需要捕获组/替换文本：I tho虽然这很完美，但S.Kablar是对的，如果中文文本以数字开头，它就不起作用了。@Hasen只需在@Sebastian Proske regex
的末尾添加
\R
（\d+\n[\d:，]+\S+-{2}\>\S+[\d:，]+\R）\P{Han}+\R
@mickmackusa当然，任何一种方法都是可能的（在我的答案中添加了这一点）哇，你把每一行都一一匹配了！真是太棒了。@Hasen：甚至当中文文本开头有数字时（请看第四条）。是的，我注意到了。这太完美了。
(?:.*\p{Han}.*)+|(?:\d{2}:\d{2}:\d{2},\d{3}(?: --> )?)+|^\d+$