php - 将文本拆分成句子

Question

如何将文本拆分为句子数组？

示例文本:

Fry me a Beaver. Fry me a Beaver! Fry me a Beaver? Fry me Beaver no. 4?! Fry me many Beavers... End

应该输出:

0 => Fry me a Beaver.
1 => Fry me a Beaver!
2 => Fry me a Beaver?
3 => Fry me Beaver no. 4?!
4 => Fry me many Beavers...
5 => End

我尝试了一些通过搜索在 SO 上找到的解决方案，但它们都失败了，尤其是在第 4 句。

/(?<=[!?.])./

/\.|\?|!/

/((?<=[a-z0-9)][.?!])|(?<=[a-z0-9][.?!]\"))(\s|\r\n)(?=\"?[A-Z])/

/(?<=[.!?]|[.!?][\'"])\s+/    // <- closest one

Answer 1

既然您想“拆分”句子，为什么要尝试匹配它们？

对于这种情况，让我们使用 preg_split() .

代码:

$str = 'Fry me a Beaver. Fry me a Beaver! Fry me a Beaver? Fry me Beaver no. 4?! Fry me many Beavers... End';
$sentences = preg_split('/(?<=[.?!])\s+(?=[a-z])/i', $str);
print_r($sentences);

输出:

Array
(
    [0] => Fry me a Beaver.
    [1] => Fry me a Beaver!
    [2] => Fry me a Beaver?
    [3] => Fry me Beaver no. 4?!
    [4] => Fry me many Beavers...
    [5] => End
)

解释:

好吧，简单地说，我们按分组空间\s+拆分并做两件事:

1. (?<=[.?!])正视断言背后，基本上我们搜索空格后面是否有点或问号或感叹号。

2. (?=[a-z]) 正向前瞻断言，搜索空格后是否有字母，这是 no 的一种变通方法。 4问题。