将文本拆分为句子

Question

如何将文本拆分成句子数组？

示例文本：

给我炒一只海狸。炒我一只海狸！炒我一只海狸？ 炒我海狸没有。 4？！给我炸很多海狸...结束

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

既然你想“拆分”句子，你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
)

说明：

简单地说，我们按 分组 空间 \s+ 进行分割并做两件事：

1. (?正面看断言后面，基本上我们搜索空格后面是否有点或问号或感叹号。

2. (?=[az]) 正向前瞻断言，搜索空格后是否有字母，这是no. 4 问题的一种解决方法。 p>