Question

目前我正在开发一个Web应用程序来获取Twitter流并试图通过我自己创建一个自然语言处理。

由于我的数据来自Twitter（限制为140个字符），因此缩短了许多单词，或者在这种情况下，省略了空格。

例如：

"Hi, my name is Bob. I m 19yo and 170cm tall"

应该被标记为：

- hi
- my
- name
- bob
- i
- 19
- yo
- 170
- cm
- tall

请注意19中的yo和19yo之间有无空格。我主要用它来提取单位数。

简单地说，我需要的是一种“爆炸”每个令牌的方法，其中包含大量数字或字母没有分隔符。

'123abc'将为['123', 'abc']

'abc123'将为['abc', '123']

'abc123xyz'将为['abc', '123', 'xyz']

等等。

在PHP中实现它的最佳方法是什么？

我找到了接近它的东西，但它是C＃，特别是日/月分裂。 How do I split a string in C# based on letters and numbers

Answer 1

您可以使用preg_split

$string = "Hi, my name is Bob. I m 19yo and 170cm tall";
$parts = preg_split("/(,?\s+)|((?<=[a-z])(?=\d))|((?<=\d)(?=[a-z]))/i", $string);
var_dump ($parts);

当匹配数字字母边界时，正则表达式匹配必须为零宽度。角色本身不得包含在比赛中。为此，zero-width lookarounds很有用。

http://codepad.org/i4Y6r6VS

Answer 2

怎么样：

通过使用正则表达式从字符串中提取数字，将它们存储在数组中，用一些特殊字符替换字符串中的数字，这将“保持”它们的位置。解析仅由您的特殊字符和普通字符创建的字符串后，您将把数字从数组提供给他们保留的地方。

只是一个想法，但imho可能适合你。

编辑：尝试运行这个简短的代码，希望你会在输出中看到我的观点。（这段代码在键盘上不起作用，不知道为什么）

<?php
$str = "Hi, my name is Bob. I m 19yo and 170cm tall";
preg_match_all("#\d+#", $str, $matches);
$str = preg_replace("!\d+!", "#SPEC#", $str);

print_r($matches[0]);
print $str;

拆分包含字母和数字的字符串，不用PHP中的任何特定分隔符分隔

2 个答案: