PHP的preg_split函数分割字符串时保留分隔符怎么实现-平芜编程栈

前言

explode()和preg_split()默认都会把分隔符丢掉。这在大多数场景下没问题，但有几类需求偏偏要留着它：给搜索结果里的关键词做高亮、写一个简单的表达式求值器需要拿到运算符、统计用哪种分隔符分隔了多少次、把切开的片段重新无损拼回去。这时候explode()完全无能为力，而preg_split()可以，前提是你得加上那个经常被忘记的常量。

最常见的症状是这样的：开发者知道「正则里加括号就是捕获」，于是写了preg_split('/(,)/', $s)，跑出来一看，逗号还是没了。或者更曲折一点：模式里写的是非捕获组(?:,)，即使加了PREG_SPLIT_DELIM_CAPTURE也没有效果，因为非捕获组根本不产生捕获结果。还有一种「看起来是对的但结果错位」的情况：多个候选分隔符各带一个捕获组，数组里突然多出几个空字符串元素，遍历时索引全乱。

本文讲清preg_split()保留分隔符的完整条件、三种实现思路的差异，以及那些会让人查半天的细节：字节偏移、limit参数取 0 的含义、正则写错时返回false而不是抛异常。

一、先看签名和三个常量

preg_split()的签名是：

preg_split(string $pattern, string $subject, int $limit = -1, int $flags = 0): array|false

其中$flags是三个常量按位或的组合。三者都和「保不保留分隔符」这件事有关，但作用完全不同。

常量	作用	关键注意点
`PREG_SPLIT_NO_EMPTY`	丢弃切出来的空字符串元素	只对切分结果生效，不影响分隔符捕获
`PREG_SPLIT_DELIM_CAPTURE`	把分隔模式中捕获组匹配到的内容也作为独立元素返回	必须配合捕获组，单个条件满足没用
`PREG_SPLIT_OFFSET_CAPTURE`	每个元素变成`[子串, 字节偏移]`的两元素数组	偏移是字节偏移，不是字符偏移

关于$limit，文档里写得很清楚但很容易记反：-1、0和null都表示不限制。也就是说limit = 0不是「返回 0 个元素」，而是「全都要」。如果想要「只切一刀」，正确的值是1。

二、保留分隔符的两种正则思路

思路 A：捕获组 +PREG_SPLIT_DELIM_CAPTURE。分隔符成为独立元素，元素总数是「片段数 × 2 - 1」这个规律在只有一个捕获组时成立。

<?php $s = 'name=php;age=13'; // 逗号、分号、等号都当作分隔符，且要保留 $parts = preg_split('/([=;])/', $s, -1, PREG_SPLIT_DELIM_CAPTURE); // ['name', '=', 'php', ';', 'age', '=', '13'] var_dump($parts); var_dump(implode('', $parts) === $s); // true，可无损还原

关键点是两个条件同时成立：模式里必须有捕获组，$flags里必须有PREG_SPLIT_DELIM_CAPTURE。少任何一个，分隔符都不出现。

思路 B：零宽断言，让分隔符黏在相邻片段上。不用常量，用前瞻或后顾把一个「空位置」变成切分点，分隔符就留在前一段或后一段里。

<?php // 前瞻：在分隔符之前切，分隔符黏在右边 var_dump(preg_split('/(?=,)/', 'a,b,c')); // ['a', ',b', ',c'] // 后顾：在分隔符之后切，分隔符黏在左边 var_dump(preg_split('/(?<=,)/', 'a,b,c')); // ['a,', 'b,', 'c']

这两种断言的尖括号形式属于 PCRE 的固定语法，写起来比捕获组长，但好处是不需要额外常量，而且零宽匹配不会往结果里塞空元素。

思路 C：preg_match_all()拿全部片段和偏移。当你既要知道「切出了什么」又要知道「它在原文的哪个位置」时，preg_match_all()比preg_split()更直接。

方案	结果结构	需不需要标志位	适合场景
A 捕获组 + DELIM_CAPTURE	片段与分隔符交替出现	需要	高亮、还原、表达式分词
B 零宽断言	分隔符附着在相邻片段	不需要	只想让分隔符不丢，不关心它独立成项
C`preg_match_all`	每次匹配的完整信息	不需要	需要偏移、需要保留原始下标

三、偏移、组合标志与还原

三种标志可以叠加。最常用的是「保留分隔符 + 记录偏移」：

<?php $s = 'a,b'; $parts = preg_split('/(,)/', $s, -1, PREG_SPLIT_DELIM_CAPTURE | PREG_SPLIT_OFFSET_CAPTURE); // [['a', 0], [',', 1], ['b', 2]] var_dump($parts);

这里的偏移是字节偏移。'中文,文'这种字符串里，逗号的字节偏移是 6，而它的字符序号是 2。拿字节偏移去调mb_substr()会直接切错位置，必须用substr()（它也是字节语义），或者先用mb_strlen()做一次换算。这是PREG_SPLIT_OFFSET_CAPTURE最典型的翻车点。

还原也很简单：只要保留的分隔符是完整且按原顺序排列的，implode('', $parts)就等价于原串。这也是一句很强的自检——在写分词器时，先把结果拼回去和原文比一次，能立刻暴露正则写漏的情况。

四、完整可运行示例：一个微型表达式分词器

下面这个脚本需要PHP 8.0 或更高（用到str_contains、构造器属性提升）。它把算术表达式切成 token 序列，保留运算符和括号，并用「拼回去等于原文」来自检正确性。

<?php declare(strict_types=1); final class Tokenizer { /** 捕获组里是全部需要保留的分隔符：四则运算符与括号 */ private const PATTERN = '/([+\-*\/()])/'; /** * @return string[] 分词结果，按原顺序排列 */ public function tokenize(string $expr): array { $parts = preg_split( self::PATTERN, $expr, -1, PREG_SPLIT_DELIM_CAPTURE | PREG_SPLIT_NO_EMPTY ); if ($parts === false) { throw new RuntimeException('正则表达式编译失败'); } // 去掉片段两侧的空白，再丢弃纯空白项 $tokens = []; foreach ($parts as $part) { $part = trim($part); if ($part !== '') { $tokens[] = $part; } } return $tokens; } } $expr = '12 + 3 * (num - 4) / 2'; $tokenizer = new Tokenizer(); $tokens = $tokenizer->tokenize($expr); echo "原文: {$expr}\n"; echo "token 数: ", count($tokens), "\n"; foreach ($tokens as $i => $token) { printf(" [%d] %s\n", $i, $token); } // 自检：把 token 之间的空白按原样补回，观察能否还原 $compact = preg_replace('/\s+/', '', $expr); $rebuilt = implode('', $tokens); echo "\n去空白后是否与拼接结果一致: ", $rebuilt === $compact ? "是" : "否", "\n"; if ($rebuilt !== $compact) { throw new RuntimeException("分词结果无法还原: {$rebuilt}"); }

运行后可以看到+、-、*、/、(、)全部作为独立 token 出现在数组里，而不是被吞掉。这正是做表达式解析、语法高亮、模板引擎时想要的结果。

再补一个「统计分隔符用量」的小例子，说明捕获组方式在统计场景下也顺手：

<?php $csv = "php,python;ruby,go;rust"; $parts = preg_split('/([,;])/', $csv, -1, PREG_SPLIT_DELIM_CAPTURE); $counts = [',' => 0, ';' => 0]; foreach ($parts as $part) { if (isset($counts[$part])) { $counts[$part]++; } } print_r($counts); // [',' => 2, ';' => 2]

常见坑点

❌preg_split('/(,)/', $s)以为加了括号就会保留 ✅ 补上PREG_SPLIT_DELIM_CAPTURE

括号只负责「捕获」，要不要把捕获结果放进返回值，由标志位决定。

❌ 模式里写非捕获组(?:,)，同时加了PREG_SPLIT_DELIM_CAPTURE✅ 换成捕获组(,)

非捕获组不产生捕获结果，标志位再对也没东西可放。

❌ 以为limit = 0表示「返回 0 个元素」 ✅ 想要只切一刀就用limit = 1

-1、0、null三种值都表示不限制。

❌ 用PREG_SPLIT_OFFSET_CAPTURE拿到的偏移去调mb_substr()✅ 那是字节偏移，配substr()或先换算

中文内容上这个错误会稳定出现，且偏移看起来「差不多对」，很难一眼看穿。

❌ 直接foreach遍历preg_split()的返回值 ✅ 先判断是否=== false

正则写错或语法不支持时返回false并发出警告，对false做foreach会在 PHP 8 里直接报错。

❌ 分隔符忘了转义，写成'/./'✅ 写'/\./'

点号是通配符，结果是每个字符都成了分隔符，输出一堆空串。

❌ 多个候选分隔符各写一个捕获组，如把逗号和分号分成两个分支各带括号 ✅ 合并成一个字符类([,;])

多捕获组会产生空字符串元素，破坏「片段与分隔符交替」的规律，遍历时索引全乱。

❌ 在循环里反复对同一长字符串调preg_split()只为取第一段 ✅ 用explode()配limit，或加PREG_SPLIT_NO_EMPTY

切分产生的数组是整个字符串的副本，长文本上代价不小。

总结

需求	写法	结果
分隔符独立成元素	捕获组 +`PREG_SPLIT_DELIM_CAPTURE`	片段与分隔符交替出现
分隔符黏在左片段	`PREG_SPLIT`配后顾断言	`a,`/`b,`/`c`
分隔符黏在右片段	`PREG_SPLIT`配前瞻断言	`a`/`,b`/`,c`
需要位置信息	叠加`PREG_SPLIT_OFFSET_CAPTURE`	每项为子串与字节偏移
丢弃空片段	叠加`PREG_SPLIT_NO_EMPTY`	空项被过滤
只想切一刀	`limit = 1`	后半段整体保留