正则表达式（PHP）提取包含链接的句子

Question

我想检索链接周围的整个句子，由标点符号（例如 . 或 ! 或 ? 或换行符）分隔。

目的是为链接提供更好的上下文。

例如，如果我有这个......

$input = "I don't want this piece! This is the <a href='https://example.com/my-sentence'>sentence</a> I want. In don't want this piece either";
$filter = "https://example.com/my-sentence";

...我需要解决这个问题...

$output = "This is the sentence I want.";

到目前为止，我设法隔离了一个不包含标签的句子，如下所示：

$input = "I don't want this piece. This is the sentence I want. In don't want this piece either";
$filter = "sentence";
$regex = '/[A-Z][^\\.;]*('.$filter.')[^\\.;]*/';
if (preg_match($regex, $input, $match))
$output = $match[0];

这很好用。接下来，我不知道如何绕过url中的标点符号。

我首先探索了隔离锚点并对其进行正则表达式，这适用于任何单个示例，但可能会在野外产生冲突（锚点复制其他锚点或随机文本）。

另一种方法似乎是 strip_tags，类似于...

$input = strip_tags($input);

...问题是我需要同时剥离而不是剥离它们。

也许一个更具体的正则表达式或函数的一些智能包装可以带来一个简单的方法，或者它可能是一个死胡同并且需要一些其他方法，我不知道，但现在我被卡住了，请帮忙！

Answer 1

尽管您不关心缩写，您可以匹配除?、! 和. 以外的字符，或在特定过滤字符串前后任意零次或多次的类似链接的子字符串：

$input = "I don't want this piece! This is the <a href='https://example.com/my-sentence'>sentence</a> I want. In don't want this piece either";
$filter = "sentence";
$regex = '~\b(?:[^.?!]|https?://[^<>\s"\']++)*?'.preg_quote($filter, '~').'(?:[^.?!]|https?://[^<>\s"\']++)*~u';
if (preg_match_all($regex, $input, $match)){
  print_r( array_map(function($x) {return strip_tags($x);}, $match[0]) );
}

请参阅PHP demo。输出：

Array
(
    [0] => This is the sentence I want
)

请参阅regex demo。 详情：

• \b - 单词边界
• (?:[^.?!]|https?://[^<>\s"\']++)*? - 除.、? 和! 或http 之外的字符出现零次或多次（尽可能少），可选s、://，然后是一个或多个<、>、空格、"、' 以外的字符
• sentence - 过滤字符串
• (?:[^.?!]|https?://[^<>\s"\']++)* - 除了.、? 和! 或http 之外的字符，尽可能多地出现零次或多次，可选的s、://，然后是一个或多个<、>、空格、"、' 以外的字符