我正在寻找一种将未知文本修剪到一定长度的解决方案。只保留完整的句子。
所以像这样的文字
"Were you born 1. 3. 1987 in Prague? Štěpán Jr. lives there for 3 years now! "
应该变成
"Were you born 1. 3. 1987 in Prague? "
表示字符限制50,40（和20表示--find-next-sentence-ending）。
我读过许多问题 - 大多数答案都是
的变体substr($text, 0, strrpos('.', $text) + 1);
但是，对于上述句子和其他此类句子，这显然是失败的。其他人建议使用Stanford Text Parser或OpenNLP。它们非常酷，但不适用于典型应用。您不会在Ruby / PHP服务器上安装Java，只是为了修剪文本，对吧。所以我正在寻找一些80/20解决方案，这将是语言无关的，并能够处理出现的典型案例。
我想不出比这更有问题的句子（在下一句的开头包含一个日期，非点句结尾和非ascii字符，在“限制”句子的中间包含非结尾点）。
我还创建了一个GIST（https://gist.github.com/4051035）供您分叉使用 - 分叉确保用户可以点击这个问题的不同解决方案，所以请使用它;）我想提出这个问题的社区 - 维基，但它似乎不适用于问题 - 仅用于答案。所以请在评论中添加任何建议/相关的SO问题。感谢。
答案 0 :(得分：1)
如果足以让你获得80％的精确度，那么你可以应用简单的规则：
如果你需要更好的东西，那么我担心你需要nlp库。如果你有php / ruby托管，那么你应该可以使用NLTK。它是用python编写的，并且有很大的支持。
答案 1 :(得分：0)
我解决这个问题的粗略想法是检查最后一个句子分隔符（即点空格），检查是否有点空间分隔的数字或该位置周围的已知模式，如果有，怯懦地选择前一句。也许计算下一个非数字点空间位置，如果它处于某个软限制（比如$ limit + 10），则选择当前句子。