php - 在 PHP 中将一段分解成句子

Question

我一直在用

explode(".",$mystring)

将段落拆分成句子。然而，这不包括以不同标点符号结束的句子，例如! ？ : ;

有没有办法使用数组而不是单个字符作为分隔符？或者，还有另一种使用各种标点符号拆分的巧妙方法吗？

我试过了

explode(("." || "?" || "!"),$mystring)

希望但它没有用......

Answer 1

您可以使用 preg_split() 结合 PCRE lookahead condition在每次出现 . 后拆分字符串, ; , : , ? , ! , .. 同时保持实际标点符号的完整性:

代码:

$subject = 'abc sdfs.    def ghi; this is an.email@addre.ss! asdasdasd? abc xyz';
// split on whitespace between sentences preceded by a punctuation mark
$result = preg_split('/(?<=[.?!;:])\s+/', $subject, -1, PREG_SPLIT_NO_EMPTY);
print_r($result);

结果:

Array
(
    [0] => abc sdfs.
    [1] => def ghi;
    [2] => this is an.email@addre.ss!
    [3] => asdasdasd?
    [4] => abc xyz
)

您还可以为缩写词(Mr.、Mrs.、Dr...)添加一个黑名单，通过插入否定后视断言，这些缩写词不应该被拆分成自己的句子:

$subject = 'abc sdfs.   Dr. Foo said he is not a sentence; asdasdasd? abc xyz';
// split on whitespace between sentences preceded by a punctuation mark
$result = preg_split('/(?<!Mr.|Mrs.|Dr.)(?<=[.?!;:])\s+/', $subject, -1, PREG_SPLIT_NO_EMPTY);
print_r($result);

结果:

Array
(
    [0] => abc sdfs.
    [1] => Dr. Foo said he is not a sentence;
    [2] => asdasdasd?
    [3] => abc xyz
)