本文介绍如何通过 preg_match_all 配合命名捕获组正则，从结构化文本中准确分离「标签名」「数值」和「单位」三部分，避免 preg_split 误切空格与标点导致的数据错乱。
在处理类似营养成分表的半结构化文本时，直接使用 preg_split('/[0-9].\s/', $content) 存在根本性缺陷：它试图“按数字+任意字符+空白”切割，但既无法区分数字是标签的一部分（如 Sodium, Na 中的 Na）还是真实数值起点，又会破坏浮点数（如 229.6104534866）的完整性，更无法保留括号、逗号等标签内合法符号——这正是你观察到 Total lipid (fat) 被错误拆分为多段的原因。
正确思路不是「分割」，而是「匹配提取」：每一行本质上是一个三元组 —— 非数字开头的标签（category） + 紧随其后的空白 + 连续数字与小数点组成的数值（value） + 后续空白 + 剩余单位字符串（unit）。因此应使用 preg_match_all() 配合精准锚定的模式：
$pattern = '~^(?P<category>\D+)\s+(?P<value>[\d.]+)\s+(?P<unit>.+)~m';
其中关键细节解析：
- ^ 和 m 修饰符：确保 ^ 匹配每行开头（而非整个字符串开头）；
- (?P
\D+)：\D 匹配任意非数字字符，+ 表示至少一个，完美涵盖 Weight、Total lipid (fat)、Carbohydrate, by difference 等含空格、逗号、括号的完整标签； - \s+：匹配一个或多个空白（空格/制表符），作为标签与数值间的分隔；
- (?P
[\d.]+)：明确限定数值仅由数字和小数点构成，排除单位中可能出现的 .（如 kcal 无点，但安全起见仍建议确保输入规范）； - (?P
.+)：捕获剩余全部内容作为单位（g、kcal、mg 等），. 在 m 模式下不匹配换行符，保证单行匹配。
完整可运行示例：
立即学习“PHP免费学习笔记（深入）”；
<?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, $matches, PREG_SET_ORDER);
// 结构化输出示例
foreach ($matches as $match) {
echo sprintf(
"Label: '%s' | Value: '%s' | Unit: '%s'\n",
trim($match['category']),
$match['value'],
trim($match['unit'])
);
}
?>输出效果：
Label: 'Weight' | Value: '229.6104534866' | Unit: 'g' Label: 'Energy' | Value: '374.79170898476' | Unit: 'kcal' Label: 'Total lipid (fat)' | Value: '22.163422468932' | Unit: 'g' ...
✅ 优势总结：
- 完整保留标签原始格式（支持空格、逗号、括号、连字符等）；
- 数值提取精确到小数点，无截断风险；
- 单位自动捕获，无需额外处理；
- PREG_SET_ORDER 返回每行一个关联数组，语义清晰，便于后续 JSON 化或数据库写入。
⚠️ 注意事项：
- 若输入存在异常行（如无数字、数值含字母），该模式将跳过该行（preg_match_all 默认只返回完全匹配项），建议增加容错逻辑（如预过滤空行或使用 if (count($matches) === 0) 提示错误）；
- 如需兼容科学计数法（如 1.23e+04），可将 [\d.]+ 扩展为 [\d.]+(?:[eE][+-]?\d+)?；
- 实际项目中建议对 trim() 后的 category 和 unit 做进一步标准化（如去除多余空格、统一单位缩写）。
此方案以声明式正则替代过程式分割，兼顾鲁棒性与可维护性，是解析此类规则文本的推荐实践。
