php、preg_match、正则表达式、提取特定文本

Question

我有一个非常大的 .txt 文件，其中包含我们客户的订单，我需要将其移动到 mysql 数据库中。但是我不知道要使用哪种正则表达式，因为信息差别不大。

-----------------------
4046904


KKKKKKKKKKK
Laura Meyer
MassMutual Life Insurance
153 Vadnais Street

Chicopee, MA 01020
US
413-744-5452
[email protected]...


KKKKKKKKKKK
373074210772222 02/12 6213 NA
-----------------------
4046907


KKKKKKKKKKK
Venkat Talladivedula

6105 West 68th Street

Tulsa, OK 74131
US
9184472611
venkat.talladivedula...


KKKKKKKKKKK
373022121440000 06/11 9344 NA
-----------------------

我尝试了一些方法，但我什至无法提取名称...这是我的努力示例，但没有成功

$htmlContent = file_get_contents("orders.txt");

//print_r($htmlContent);

$pattern = "/KKKKKKKKKKK(.*)\n/s";
preg_match_all($pattern, $htmlContent, $matches);
print_r($matches);
$name = $matches[1][0];
echo $name;

Answer 1

对于这样的事情，您可能想避免使用正则表达式。由于数据是按行清晰组织的，因此您可以使用 fgets() 重复读取行并以这种方式解析数据。

Answer 2

您可以使用正则表达式读取此文件，但创建一个可以读取所有字段的正则表达式可能非常复杂。

我建议您逐行读取该文件，并解析每个文件，检测它包含哪种数据。

Answer 3

既然您确切地知道数据在哪里（即在哪一行），为什么不直接这样获取呢？

即类似

$htmlContent = file_get_contents("orders.txt");

$arrayofclients = explode("-----------------------",$htmlContent);
$newlinesep = "\r\n";
for($i = 0;i < count($arrayofclients);$i++)
{
$temp = explode($newlinesep,$arrayofclients[i]);
$idnum = $temp[0];
$name = $temp[4];
$houseandstreet = $temp[6];
//etc
}

或简单地使用 fgets() 逐行读取文件 - 类似：

$i = 0;$j = 0;
$file = fopen("orders.txt","r");
$clients = [];
while ($line = fgets($ffile) )
{
    if(line != false)
    {
        $i++;
        switch($i)
        {
        case 2:
            $clients[$j]["idnum"] = $line;
            break;
        case 6:
            $clients[$j]["name"] = $line;
            break;
        //add more cases here for each line up to:
        case 18:
            $j++;
            $i = 0;
            break;
        //there are 18 lines per client if i counted right, so increment $j and reset $i.
        }
    }
}
fclose ($f);

您可以使用正则表达式，但它们对于这种情况有点尴尬。

尼科

Answer 4

作为记录，这里是将为您捕获名称的正则表达式。 （速度很可能是一个问题。）

(?<=K{10}\s{2})\K[^\r\n]++(?!\s{2}-)

说明：

(?<=K{10}\s{2})  #Positive lookbehind for KKKKKKKKKK then 2 return/newline characters
\K[^\r\n]++      #Greedily match 1 or more non-return/newline characters
(?!\s{2}-)       #Negative lookahead for return/newline character then dash

这是一个 Regex 演示。

您会注意到我的正则表达式模式在正则表达式演示和我的 PHP 演示之间略有变化。可能需要根据环境进行轻微调整以匹配返回/换行符。

这是 php 实现（演示）：

if(preg_match_all("/(?<=K{10}\s{2})\K[^\r\n]++(?!\s{2}-)/",$htmlContent,$matches)){
    var_export($matches[0]);   
}else{
    echo "no matches";
}

通过使用 \K在我的模式中，我实际上避免了用括号捕获。这可以将数组大小减少 50%，对于许多项目来说是一个有用的技巧。 \K 基本上表示“从这一点开始全字符串匹配”，因此匹配项进入 $matches 的第一个子数组 (fullstrings, key=0) 而不是生成0 中的全字符串匹配和 1 中的捕获。

输出：

array (
  0 => 'Laura Meyer',
  1 => 'Venkat Talladivedula',
)