php - 使用正则表达式和 PHP 将段落拆分为句子

Question

这个问题已经有答案了:

Split string into sentences using regex (7 个回答)

已关闭 3 年前。

我是一个正则表达式菜鸟，试图将段落分成句子。在我的语言中，我们在句子中间使用相当多的缩写(例如:bl.a.)，所以我得出的结论是，我需要做的是寻找标点符号，后面跟着一个空格，然后是一个以大写字母开头的单词，例如:

[sentence1]...anymore. However...[sentence2]

这样的段落:

Der er en lang og bevæget forhistorie bag lov om varsling m.v. i forbindelse med afskedigelser af større omfang. Det er ikke en bureaukratisk lovtekst blandt så mange andre.

应以此输出结束:

[0] => Der er en lang og bevæget forhistorie bag lov om varsling m.v. i forbindelse med afskedigelser af større omfang.
[1] => Det er ikke en bureaukratisk lovtekst blandt så mange andre.

而不是这个:

[0] => Der er en lang og bevæget forhistorie bag lov om varsling m.v. 
[1] => i forbindelse med afskedigelser af større omfang.
[2] => Det er ikke en bureaukratisk lovtekst blandt så mange andre.

我找到了一个解决方案，可以使用积极的后向功能来完成第一部分:

$regexp = (?<=[.!?] | [.!?][\'"]);

然后

$sentences = preg_split($regexp, $paragraph, -1, PREG_SPLIT_NO_EMPTY);

这是一个很好的起点，但由于缩写太多， split 了太多次。

我尝试过这样做:

(?<=[.!?]\s[A-Z] | [.!?][\'"])

针对其中任何一个出现的情况

. or ! or ?

后跟一个空格和一个大写字母，但这不起作用。

有谁知道是否有办法完成我想做的事情？

Answer 1

用于分割句子的 Unicode RegExp:(?<=[.?!;])\s+(?=\p{Lu})

此处解释了演示:http://regex101.com/r/iR7cC8