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 = '~^(?P<category>\D+)\s+(?P<value>[\d.]+)\s+(?P<unit>.+)~m';
- ^ 和 m 修饰符：使 ^ 匹配每一行开头（多行模式）；
- (?P<category>\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<value>[\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 (?P<value>\d+(?:\.\d+)?)）；
- (?P<unit>.+)：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：
<?php
$content = "Weight 229.6104534866 g
Energy 374.79170898476 kcal
Total lipid (fat) 22.163422468932 g
Carbohydrate, by difference 13.641848209743 g
Sugars, total 4.3691034101428 g
Protein 29.256342349938 g
Sodium, Na 468.99386390008 mg";
$pattern = '~^(?P<category>\D+)\s+(?P<value>[\d.]+)\s+(?P<unit>.+)~m';
preg_match_all($pattern, $content, $matches, PREG_SET_ORDER);
// 输出结构化结果
foreach ($matches as $match) {
echo sprintf(
"[%s] => %s\n[%s] => %s\n[%s] => %s\n\n",
'category', trim($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。
