Question

我有一个（php5.2和5.3）正则表达式需要从用户帖子中提取前$ x个句子（可能包括电子邮件地址和超链接），并且我在查找原因时遇到了麻烦（是的，它＆＃39;是一个丑陋的正则表达式;当它工作时我会优化它）：

/^(([^.!?]+|(\w+[.@?&=%:])+\w+)+[.!?]+\s){0,4}/

返回前四个句子，但是

/^(([^.!?]+|(\w+[.@?&=%:])+\w+)+[.!?]+\s){0,5}/

不返回任何匹配项。我的理解是{0,5}应该与之前的组匹配0到5次，因此如果它只能匹配4次，它仍然可以工作。

任何人都可以对这种行为有所了解吗？

更新：$ x只是一个任意数字;在正则表达式中使用{0，$ x}。将帖子过滤为由单个空格分隔的句子。对于这个丑陋的表情感到抱歉......现在已经对这个问题进行了几天的调查，并且它正在努力......做出了sawa建议的改变。我的主要问题是关于行为，而小组匹配的内容不应该那么重要。

Update2：这基本上就是我正在做的事情：

function extractSummary($message, $limit) {
  $expr = '/^(([^.!?]+|(\w+[.@?&=%:])+\w+)+[.!?]+\s){0,'.$limit.'}/';
  $msg = preg_replace('/[\x00-\x1f\x80-\xff]/', "\n" strip_tags($message));
  $msg = trim(preg_replace('/(\n|\s|&nbsp;)+/', ' ', $msg)).' ';
  preg_match($expr, $msg, $summary);
  return $summary[0];
}

一句话（至少在我的脑海里，没有进入NLP领域，因为它只是网站中的一个功能）是一个句号，感叹号或问号，但句子可以出现在句子中网址的电子邮件地址。这个正则表达式的最后一个版本最多可以计算5个周期，因此会破坏链接和电子邮件地址。

更新3：重申我刚刚添加了更多可怕的代码，我将解释最后一个。发现一些发布的内容有非打印字符（如\ r等），并且与正则表达式不能很好地协作，因此我使用第一个preg_replace删除了非打印字符。第二个用空格替换任何进一步的空格组，所以句子有希望用一个空格分隔。

Answer 1

正则表达式通过无条件匹配空白字符而结束。如果输入中恰好有5个句子，并且在最后一个句点之后没有空格，则第一个句子匹配，但第二个句子不匹配。

Answer 2

我认为句子如下：

一句话是：

最短的序列，包括句号，感叹号或问号，
可选地后跟单引号或双引号，
强制性地跟着一个空格或字符串的结尾。

空格或字符串结尾的要求会处理电子邮件地址中的句点，因为电子邮件地址中的句点不会出现在空格之前或字符串末尾。

/[^ ](?:.*?[.!?]['"]*(?= |\z)){0,4}/

Answer 3

这个测试过的功能应该可以解决问题：

function get_sentences($text, $x) {
    $regex = "/\A(?:.*?[\w\"'][.?!](?=['\"]?\s|\$)){0,{$x}}/ms";
    if (preg_match($regex, $text, $matches)) return $matches[0];
    return ''; // Never get here (will always match).
}

以下是正则表达式的注释版本：

$regex = '/# Match first $x sentences, each ending in [.?!]
    \A                # Anchor to beginning of string
    (?:               # Non-capture group to apply count
      .*?             # Lazily match zero or more characters.
      [\w"\']         # Last char before end is word or quote.
      [.?!]           # End of sentence puntuation [.?!]
      (?=[\'"]?\s|$)  # But only if followed by space or EOL
    ){0,5}            # Match from zero to $x sentences.
    /smx';

请注意，这也处理以引号结尾的句子，例如： "This one."或"This one!"或“这一个”？

PHP preg_match组重复

3 个答案: