3

Помогите, пожалуйста, составить универсальное регулярное выражение для разделения строки на числа, сочетания букв идущих подряд и пробел.

Есть строка, соответствующая почтовому коду Соединенного Королевства. Необходимо разбить ее на части и сформировать из них общий массив в том же порядке, в каком они записаны в строку. Каждая часть должна соответствовать:

  • букве или нескольким буквам, идущим подряд, без чисел и других символов, в частности пробела, до первого НЕ подходящего символа

  • одной или нескольким цифрам (числу), идущим подряд, до первого НЕ подходящего символа

  • другому символу (в моем примере это исключительно один вероятный пробел, я представляю его как не буква и не цифра)

Условно, элементов массива может быть неопределенное количество, но они ограничены шаблоном почтового кода королевства. Вот картинка отлично описывающая шаблон:

шаблон почтового кода Соединенного Королевства

Позаимствовано у www.getthedata.com

где:

  • L - буква
  • N - цифра
  • A - цифра или буква
  • SPACE - пробел
  • Отметка Optional над символом означает что он не обязательно будет присутствовать.


    1. Пример 1:

      Код SW1A 1AA должен после преобразования стать массивом со следующим набором элементов:

      [ 'SW', '1', 'A', ' ', '1', 'AA' ]
      
    2. Пример 2:

      Часть кода SW1A должна стать массивом со следующим набором элементов:

      [ 'SW', '1', 'A' ]
      
    3. Пример 3:

      Часть кода SW22 3 должна стать массивом со следующим набором элементов:

      [ 'SW', '22', ' ', '3' ]
      

Постскриптум: Особенную сложность для меня представляет то, что на части может разбиваться как целый почтовый код, так и отдельная его часть, вплоть до пустой строки. Не являясь экспертом в регулярных выражениях, эта задача мне оказалась не под силу :( Возможно есть более простое универсальное решение, чем использование функции preg_split?

1

1 ответ 1

2

Можно токенизировать строку следующим образом (см. онлайн-демо):

$strs = ["SW1A 1AA", "SW1A", "SW22 3"];
foreach ($strs as $s) {
  if (preg_match_all('~[a-zA-Z]+|\d+|[^\da-zA-Z]+~', $s, $chunks)) {
    print_r($chunks[0]);
  }
}
// - Array ( [0] => SW [1] => 1 [2] => A [3] =>   [4] => 1 [5] => AA )
// - Array ( [0] => SW [1] => 1 [2] => A )
// - Array ( [0] => SW [1] => 22[2] =>   [3] => 3 )

Регулярное выражение тут (см. демо)

[a-zA-Z]+|\d+|[^\da-zA-Z]+

Оно находит

  • [a-zA-Z]+ - одна или более латинских букв
  • | - или
  • \d+ - одна или более цифр
  • | - или
  • [^\da-zA-Z]+ - - один или более символов, отличных от цифр и латинских букв

Если нужна поддержка Юникода, используйте '~\p{L}+|\p{N}+|[^\p{N}\{L}]+~u'.

2
  • Спасибо, сейчас опробую. 16 окт 2017 в 22:18
  • Еще раз огромное спасибо, особенно за детальное разъяснение, работает отлично :) 16 окт 2017 в 22:31

Ваш ответ

By clicking “Отправить ответ”, you agree to our terms of service and acknowledge that you have read and understand our privacy policy and code of conduct.

Всё ещё ищете ответ? Посмотрите другие вопросы с метками или задайте свой вопрос.