如何使用正则表达式在 PHP 中精准提取营养成分数据的类别、数值与单位

本文介绍如何通过 `preg_match_all` 配合命名捕获组正则，从多行营养标签文本中准确分离出成分名称（如 “total lipid (fat)”）、浮点数值（如 22.163422468932）和单位（如 “g”），避免错误切分标点与空格。

直接使用 preg_split 按数字或空格分割容易破坏语义完整性——例如将 “Total lipid (fat)” 错误拆成 [“Total”, “lipid”, “(fat)”]，且难以保留数值与单位的边界。更可靠的做法是匹配（match）而非分割（split）：用正则主动识别每行中“非数字开头的类别名 + 空格 + 浮点数 + 空格 + 单位”的结构，并通过命名捕获组提取三部分。

推荐正则模式如下：

$pattern = '~^(?PD+)s+(?P[d.]+)s+(?P.+)~m';

• ^ 和 m 修饰符：使 ^ 匹配每一行开头（多行模式）；
• (?Pgory>D+)：捕获一个或多个非数字字符（D），完美兼容含空格、逗号、括号的成分名（如 “Sugars, total” 或 “Sodium, Na”）；
• s+：匹配一个或多个空白符（含空格、制表符），作为分隔；
• (?P[d.]+)：捕获由数字和小数点组成的数值（注意：未限定小数点个数，适用于科学记数法外的常规浮点格式；若需更严格校验，可改为 (?Pd+(?:.d+)?)）；
• (?P.+)：捕获剩余所有字符作为单位（如 “kcal”、”mg”），自动包含末尾换行前的内容。

完整 php 示例代码：

$pattern = '~^(?PD+)s+(?P[d.]+)s+(?P.+)~m'; preg_match_all($pattern, $content, $matches, PREG_SET_ORDER);  // 输出结构化结果 foreach ($matches as $match) {     echo sprintf(         "[%s] => %sn[%s] => %sn[%s] => %snn",         'category', trim($match['category']),         'value',    $match['value'],         'unit',     trim($match['unit'])     ); } ?>

✅ 输出效果示例（首行）：

立即学习“PHP免费学习笔记（深入）”；

[category] => Weight   [value] => 229.6104534866   [unit] => g

⚠️ 注意事项：

• 若输入中存在无单位行（如纯数值）或格式不一致（如缺失空格），该正则会跳过不匹配行——建议先用 trim() 清理每行首尾空白，并对 $matches[0] 进行空值检查；
• 如需支持国际单位中的逗号千位分隔符（如 “1,234.56”），应将 [d.]+ 替换为更健壮的 [d,]+(?:.d+)? 并预处理去除逗号；
• preg_match_all 返回的 $matches 是二维数组，PREG_SET_ORDER 保证每个子数组对应一行完整匹配，键名为 category/value/unit，便于后续 jsON 序列化或数据库插入。

这种方法语义清晰、容错性强，是解析结构化标签文本的标准实践。