Question

我需要将一段分为句子。那就是我对正则表达式感到困惑的地方。

我已经将此Q标记为与之重复的question。但是这里的问题有所不同。

以下是我需要拆分的字符串的示例：

你好！你好吗？生活怎么样
过着自由的生活。 “不是吗？”

这是我尝试的代码：

$sentence_array = preg_split('/([.!?\r\n|\r|\n])+(?![^"]*")/', $paragraph, -1);

我需要的是：

array (  
  [0] => "hello"  
  [1] => "how are you"  
  [2] => "how is life"  
  [3] => "live life, live free"  
  [4] => ""isnt it?""  
)

我得到的是：

array(
  [0] => "hello! how are you? how is life live life, live free. "isnt it?""
)

当字符串中没有引号时，拆分将按要求进行。

感谢您的帮助。谢谢。

Answer 1

您的正则表达式存在一些问题，即它们的主要问题是使组构造与字符类混淆。字符类中的管道df = left_df.join(right_df, left.name == right.name)的字面意思是|。它没有任何特殊含义。

您需要的是这个

这首先尝试匹配用双引号引起来的字符串（并捕获内容）。然后尝试匹配("[^"]*")|[!?.]+\s*|\R+中设置为在其上拆分的所有标点符号。然后找到任何换行符。

PHP：

[!?.]

输出：

var_dump(preg_split('~("[^"]*")|[!?.]+\s*|\R+~', <<<STR
hello! how are you? how is life
live life, live free. "isnt it?"
STR
, -1, PREG_SPLIT_DELIM_CAPTURE | PREG_SPLIT_NO_EMPTY));

Answer 2

我查看您基于已解决的某些标点符号进行拆分的问题，除了在双引号的情况下无法解决的问题。我们可以说一个解决方案，说在看到这种标点符号时应该拆分，在看到这种标点符号后加上双引号的情况下应该或。

当前一个字符与您的一个标记和相匹配时，应该发生拆分，否则后面的内容不是双引号，或者前两个字符应为标记和双引号。这意味着使用以下模式进行拆分：

(?<=[.!?\r\n])(?=[^"])|(?<=[.!?\r\n]")(?=.)

代码示例：

$input = "hello! how \"are\" \"you?\" how is life\nlive life, live free. \"isnt it?\"";
$sentence_array = preg_split('/(?<=[.!?\r\n])(?=[^"])|(?<=[.!?\r\n]\")(?=.)/', $input, -1);
print_r($sentence_array);

Array ( [0] => hello! [1] => how "are" "you?" [2] => how is life
    [3] => live life, live free. [4] => "isnt it?" )

带有多个模式的preg_split（）不会拆分带引号的字符串

2 个答案: