Question

我在PHP中有一个正则表达式，用空格替换了我不想要的所有内容

/[^a-z0-9\p{L}]/siu

但是有一个例外，我想保留缩写的标点符号。

示例：

F.B.I.Federal.Bureau.of.Investigation =＆gt; 'F B I联邦局   调查'

S.W.A.T.Team =＆gt; 'W W A T Team'

应该是：

F.B.I.Federal.Bureau.of.Investigation =＆gt; '联邦调查局。联邦局   调查'

S.W.A.T.Team =＆gt; '扑打。队

PHP代码：

$s = "F.B.I.Federal.Bureau.of.Investigation";
return preg_replace('/[^a-z0-9\p{L}]/siu', " ", $s);

所以逻辑是，它应该检查第一场比赛的第二个字符，如果它是'。' char，然后不要替换。不确定这是否可以使用正则表达式，那么我将非常感谢使用PHP的替代方案。

Answer 1

实际上，有许多类型的缩写，正如Jon Stirling所说，这里没有真正的100％工作解决方案，因为你需要一个可能的缩写列表来过滤掉。你可能会看一些fancy regex solution by @ndn并抓住与那里的缩写相关的模式部分。

如果您只需要处理问题中的模式，可以考虑使用

'~(\b(?:\p{Lu}\.){2,})|[^0-9\p{L}]~u'

或 - 如果D.Word也应被视为缩写：

'~(\b(?:\p{Lu}\.)+)|[^0-9\p{L}]~u'

并替换为'$1 '。请参阅regex demo。

模式详情：

(\b(?:\p{Lu}\.)+) - 第1组（后来引用$1反向引用）：任意Unicode大写字母后面出现1个或多个，后面有一个点
| - 或
[^0-9\p{L}] - 任何不是ASCII数字和Unicode字母的字符。

以下是带有@ndn缩写的正则表达式的变体：

'~\b((?:[Ee]tc|St|Gen|Hon|Prof|Dr|Mr|Ms|Mrs|[JS]r|Col|Maj|Brig|Sgt|Capt|Cmnd|Sen|Rev|Rep|Revd|pp|[Vv]iz|i\.?\s*e|[Vvol]|[Rr]col|maj|Lt|[Ff]ig|[Ff]igs|[Vv]iz|[Vv]ols|[Aa]pprox|[Ii]ncl|Pres|[Dd]ept|min|max|[Gg]ovt|lb|ft|c\.?\s*f|vs|\p{Lu}(?:\.\p{Lu})+)\.)|[^0-9\p{L}]~'

请参阅regex demo。

如果您不想删除-，(和)，请务必将其添加到否定字符类中，将[^0-9\p{L}]替换为{{1} }}

可以通过添加更多缩写来更新，也可以通过缩小备选方案来增强。

替换除缩写之外的所有标点符号

1 个答案: