Question

作为this question，我可以拆分包含大写字符串的字符串，如下所示：

function splitAtUpperCase($string){
    return preg_replace('/([a-z0-9])?([A-Z])/','$1 $2',$string);
}

$string = 'setIfUnmodifiedSince';
echo splitAtUpperCase($string);

输出为“如果未修改则设置”

但我需要一些修改：

当字符串中存在这些字符时，该代码段不处理这些情况：ÇÖĞŞÜİ。我不想音译这些人物。然后我失去了言语的意义。我需要使用一些UTF字符。该代码使“HereÇonThen”变为“HereÇon然后”
我也不想拆分大写缩写。如果单词是“IKnowYouWillComeASAPHere”，我需要将其转换为“我知道你会尽快到来”
如果所有字母都是大写字母，请不要爆炸。喜欢“DONTCOMEHERE”
也会分解数值。 “2013年之前”到“2013年结束前”
如果第一个字符是散列键（＃），则爆炸。

案例和预期结果

“comeHEREtomorrow”=＆gt; “明天来这里”
“KissYouTODAY”=＆gt; “今天吻你”
“comeÜndeHere”=＆gt; “来Ünde这里”
“NEVERSAYIT”=＆gt; “NEVERSAYIT”
“2013willCome”=＆gt; “2013将来”
“Before2013ends”=＆gt; “2013年结束前”
“IKnowThat”=＆gt; “我知道”
“#whatiknow”=＆gt; “#whatiknow”

对于这些情况，我使用后续的str_replace操作。我寻找一个简短的解决方案，不会为循环检查单词做太多。如果可能的话，最好将其作为preg_replace或等等。

编辑：任何人都可以通过更改此PHP小提琴中的convert函数来尝试他的解决方案：http://ideone.com/9gajZ8

Answer 1

/([[:lower:][:digit:]])?([[:upper:]]+)/u应该这样做。

此处/u用于Unicode字符。并且([[:upper:]]+)用于上部套装字母的序列。

请注意。字母大小写取决于您使用的字符集。

Answer 2

一些注意事项：

使用Unicode properties搜索大写字母＆amp;小写字母（甚至是标题案例，f.ex。ǅ ǈ ǋ ǲ）
comeHEREtomorrow＆amp; IKnowThat将无法使用一种方法，直到您使用一些词典查找确切的单词。

因为如果您想将comeHEREtomorrow翻译为come HERE tomorrow，IKnowThat将IK now That（或甚至IK now T hat）;

如果您想将IKnowThat翻译为I Know That，comeHEREtomorrow将come H E R E tomorrow

我的解决方案：http://ideone.com/oALyTo（不包括非字母和非数字字符）

Answer 3

嗯，I matched all of your test cases，但我仍然认为这不是一个好的解决方案。（测试驱动设计中为数不多的缺陷之一）。

我采取了略微不同的方法。我没有尝试为单词之间的位置编写正则表达式，而是编写了一个正则表达式，查找显然是单词的所有内容，然后进行内爆。

function convert($keyword) {
   $wResult = preg_match_all('/(^I|[[:upper:]]{2,}|[[:upper:]][[:lower:]]*|[[:lower:]]+|\d+|#)/u', $keyword, $matches);
   return implode(' ',$matches[0]);
}

正如你所看到的，这就是我认为合格的一句话：

^I                 A capital I at the beginning of the string.  Break point: Icons.
[[:upper:]]{2,}    Consecutive capitals.  Break Point:  WellIKnowThat
[[:upper:]][[:lower:]]*    A single Capital followed by some lower case letters
[[:lower:]]+       A string of lower case letters
\d+                A string of digits
#                  A literal #

这并不完美 - 还有很多断点。你可以继续改进这些单词定义，但坦率地说，总会有一个你无法捕获的边缘情况。然后你慢慢地扩展这个正则表达式，直到它完全无法管理。您可以尝试使用字典，但最终也会崩溃。你怎么用“旋风”？还是“ITan”？这是“IT一个”，还是“I Tan”？举个例子？ Here这是在我试图捕捉一些我的错误之后。它变得如此巨大，而且打破它打破的弦乐仍然是微不足道的。这个功能都是关于度数 - 花费多少时间来教你的算法所有世界语言的所有有趣点？

编辑：经过一些工作，决定我可以将其作为自己的单词分开，当且仅当它紧跟一个大写字母和一个小写字母后，I've updated my attempt at an answer.

function convert($keyword, $debug = false) {
   $wResult = preg_match_all('/I(?=[[:upper:]][[:lower:]])|[[:upper:]]{2,}|[[:upper:]][[:lower:]]*|[[:lower:]]+|\d+|#/u', $keyword, $matches);
   if($debug){
       var_dump($matches);
       var_dump($matches[0]);
       var_dump(implode(' ',$matches[0]));
   }
   return implode(' ',$matches[0]);
}

我还添加了一些新的测试用例：

 convert("Icons") = "Icons"
 convert("WellIKnowThat") == "Well I Know That"
 convert("ITan") == "I Tan"
 convert("whirlwind") == "whirlwind"

我认为这与今天的情况一样好。按优先顺序排列的最后一组“单词定义”是：

大写字母I，前面是大写字母和小写字母：I(?=[[:upper:]][[:lower:]])
两个或多个连续大写字母：[[:upper:]]{2,}
单个大写字母，后跟尽可能多的小写字母：[[:upper:]][[:lower:]]*
一个或多个连续小写字母：[[:lower:]]+
一个或多个连续数字：\d+
字面符号：#

我添加了另一个单词定义，一个测试用例，and refined the testing fiddle。新的字词定义与I的规则匹配，但与A匹配 - 英语中唯一的另一个字母单词。

Answer 4

你需要Unicode正则表达式： \p{Lu} for upercase和\p{Li} for lowercase

因此，您的用法将如下所示： /([\p{Ll}0-9])?([\p{Lu}])/

爆炸关于大写或数字字符的UTF8字符串

4 个答案: