本文介绍如何使用 PHP 从结构化文本文件中精准提取多个以相同标识行（如 S21.G00.30.001）开头的动态数据块，并将每个块组织为独立数组，适用于配置解析、日志分段或协议报文处理等场景。
本文介绍如何使用 php 从结构化文本文件中精准提取多个以相同标识行（如 `s21.g00.30.001`）开头的动态数据块，并将每个块组织为独立数组，适用于配置解析、日志分段或协议报文处理等场景。
在处理具有“块状结构”的文本文件时（如示例中以 S21.G00.30.001 为起始标记的员工信息块），传统逐行判断+手动状态管理的方式易出错、可维护性差。更健壮的方案是结合正则表达式全局匹配与逻辑分组归类，实现高精度、低耦合的数据提取。
核心思路：用正则识别模式，用状态驱动分块
虽然原始问题中提到“块结尾未知”，但关键隐含规则是：每个新块均由 S21.G00.30.001 行显式开启，因此无需预测结束位置——只需将后续所有非 001 行归入当前块，直到下一个 001 出现为止。这本质上是一个“按首行分组”的流式解析问题。
以下为推荐实现（兼顾内存效率与代码清晰度）：
<?php $filePath = $this->getParameter('dsn_txt_folder') . 'dsn.txt';
$content = file_get_contents($filePath);
if ($content === false) {
throw new RuntimeException("无法读取文件: {$filePath}");
}
// 定义目标前缀（支持扩展其他块类型，如 S10.G00.00.）
$prefix = 'S21.G00.30.';
// 正则：匹配形如 "S21.G00.30.XXX,'value'" 的行（忽略注释和空格）
$pattern = '/^' . preg_quote($prefix, '/') . '(\d{3}),\'([^\']*)\'/m';
$blocks = [];
$currentBlockIndex = 0;
$matches = [];
if (preg_match_all($pattern, $content, $matches, PREG_SET_ORDER)) {
foreach ($matches as $match) {
$code = $match[1]; // 如 '001', '002'
$value = $match[2];
if ($code === '001') {
// 新块开始：递增索引，初始化当前块
$currentBlockIndex++;
$blocks[$currentBlockIndex] = [];
}
// 将当前行存入当前块（保留原始键便于追溯）
$blocks[$currentBlockIndex][$code] = $value;
}
}
// 输出结构示例：
// [
// 1 => ['001'=>'employee one', '002'=>'AAAA', ...],
// 2 => ['001'=>'employee 2', '002'=>'CCCC', ...],
// ...
// ]
print_r($blocks);
关键优势与注意事项
- ✅ 无需预加载全部行：file_get_contents() 对 MB 级文件仍高效；若需极致内存控制，可用 SplFileObject 迭代替代。
- ✅ 自动忽略干扰内容：正则 /m 修饰符确保 ^ 匹配每行开头，注释、空行、不匹配行均被自然跳过。
- ⚠️ 安全转义前缀：使用 preg_quote($prefix, '/') 防止点号 . 被误解释为正则元字符。
- ⚠️ 单引号值边界严谨：'([^\']*)' 精确捕获单引号内内容，避免跨引号误匹配。
- ? 可扩展性强：只需修改 $prefix 和逻辑即可适配其他块类型（如 S10.G00.00.），无需重写核心流程。
补充：若坚持流式读取（大文件场景）
$blocks = [];
$currentBlock = [];
$currentBlockIndex = 0;
$handle = fopen($filePath, 'r');
if (!$handle) {
throw new RuntimeException("无法打开文件");
}
while (($line = fgets($handle)) !== false) {
if (preg_match('/^' . preg_quote($prefix, '/') . '(\d{3}),\'([^\']*)\'/', $line, $m)) {
if ($m[1] === '001') {
if (!empty($currentBlock)) {
$blocks[++$currentBlockIndex] = $currentBlock;
}
$currentBlock = [$m[1] => $m[2]];
} else {
$currentBlock[$m[1]] = $m[2];
}
}
}
// 处理最后一个块
if (!empty($currentBlock)) {
$blocks[++$currentBlockIndex] = $currentBlock;
}
fclose($handle);
此方法在保持低内存占用的同时，完全复现了正则方案的逻辑可靠性。选择哪种方式取决于文件规模与工程约束——小到中型文件推荐正则方案（简洁、健壮）；超大型文件则选用流式迭代。
