使用 preg_replace 清理 PHP 中的句子答案

【问题标题】：Sanitizing sentence in PHP with preg_replace使用 preg_replace 清理 PHP 中的句子
【发布时间】：2014-11-14 15:34:53
【问题描述】：

这是我当前的句子清理功能：

# sanitize sentence
function sanitize_sentence($string) {
    $string = preg_replace("/(?<!\d)[.,!?](?!\d)/", '$0 ', $string); # word,word. > word, word.
    $string = preg_replace("/(^\s+)|(\s+$)/us", "", preg_replace('!\s+!', ' ', $string)); # " hello    hello " > "hello hello"
    return $string;
}

用这个字符串运行一些测试：

$string = '     Helloooooo my frieeend!!!What are you doing??    Tell me what you like...........,please. ';

结果是：

echo sanitize_sentence($string);  
Helloooooo my frieeend! ! ! What are you doing? ? Tell me what you like. . . . . . . . . . . , please.

如您所见，我已经设法解决了一些要求，但我仍然坚持一些细节。最终结果应该是：

Helloo my frieend! What are you doing? Tell me what you like..., please.

这意味着应该满足所有这些要求：

. 或 ... 只能有一个或三个连续句点
只能有一个连续的逗号 ,
只能有一个连续的问号？
只能有一个连续的感叹号！
一个字母在一个单词中不能重复超过 2 次。例如：mass（正确）、mass（错误，应转换为mass）
应始终在这些字符 .,!? 之后添加一个空格 这已经可以正常工作了！
在连续 3 个句点的情况下，仅在最后一个句点之后添加空格。
多余的空格（多于一个空格）应从句子的两端删除和修剪。 这已经很好了！

【问题讨论】：

那么你的问题是什么？
所以你使用这些规则的结果将如下：Helloo my frieend! What are you doing? Tell me what you like..., please.
@RichardBernards 是（修复了最后的字符串）。它不能是防弹的，所以最后的字符串会有 helloo 和 frieend
这似乎是一组比通过正则表达式强制执行要复杂得多的要求。几乎听起来你需要为这样的事情构建自己的解析器。
@MikeBrant 据我了解，可以通过传递给 preg_replace() 函数的分隔规则数组来完成。

标签： php regex string preg-replace sanitize

【解决方案1】：

我认为正则表达式是一种非常合适的技术。毕竟是消毒。不是语法或语法更正。

function sanitize_sentence($i) {

    $o = $i;

    //  There can be only one or three consecutive periods . or ...
    $o = preg_replace('/\.{4,}/','… ',$o);
    $o = preg_replace('/\.{2}/','. ',$o);

    //  There can be only one consecutive ","
    $o = preg_replace('/,+/',', ',$o);

    //  There can be only one consecutive "!"
    $o = preg_replace('/\!+/','! ',$o);

    //  There can be only one consecutive "?"
    $o = preg_replace('/\?+/','? ',$o);  

    //  we just preemptively added a bunch of spaces.
    //  Let's remove any spaces between punctuation marks we may have added
    $o = preg_replace('/([^\s\w])\s+([^\s\w])/', '$1$2', $o);

    //  A letter cannot repeat itself more than 2 times in a word
    $o = preg_replace('/(\w)\1{2,}/','$1$1',$o);

    //  Extra spaces should be eliminated
    $o = preg_replace('/\s+/', ' ', $o);
    $o = trim($o);

    // we want three literal periods, not an ellipsis char
    $o = str_replace('…','...',$o);

    return $o;
}

【讨论】：

您可能想检查一下 ',!?'在搜索中它们后面没有空格，所以它用那个单数空格替换它： preg_replace('/,+ */',', ',$o)
请注意，此脚本将 3 个或更多句点转换为 ellipsis character，而不是 3 个句点。如果您想将它们保留为句点，则需要稍微重构
@OnlineCop 是为了满足 OP 要求 #6。我的代码包含一个试图纠正标点符号之间任何不需要的空格的子句
@sean9999 我注意到，我正在尝试调整它以将省略号转换为三个句点。除了那个问题，这看起来像是可行的答案。也许在最后将省略号替换为 3 个句点？
是的！听起来像这样:) 我会更新代码

【解决方案2】：

我想我会一次一个地回答这些问题，因为一次专注于一项任务而不是把它们全部混在一起更有意义。

对于#5，我建议将([a-z])(\1{0,1})\1* 替换为$1$2，如in this example 所示。

它接受输入

     Helloooooo my frieeend!!!What are you doing??    Tell me what you like...........,please.

并产生输出

     Helloo my frieend!!!What are you doing??    Tell me what you like...........,please.

【讨论】：

有趣的是，它适用于 regex101 网站，但不适用于我的 php 5.4.4 apache 服务器 - 出于某种原因，它无法识别 g 修饰符，这也是不适用于php.net/manual/es/reference.pcre.pattern.modifiers.php
'g' 修饰符只为 preg_replace 添加了一个额外的字段：从 'preg_replace(...)' 到 'preg_replace(..., 1)'。在regex101站点，点击左侧“代码生成器”，查看代码差异。

【解决方案3】：

对于 #1（. 或 ...），(?<!\.)(\.{3}|\.)\.*\s* 可以替换为 $1（注意尾随空格），如 @987654321 所示@。

这需要

     Helloooooo my frieeend!!!What are you doing??    Tell me what you like...........,please.

并产生输出

     Helloooooo my frieeend!!!What are you doing??    Tell me what you like... ,please.

如您所见，您会得到一个时髦的... , 字符，这是您可能需要检查的另一件事。您可以在执行此清理之前检查 ., 的出现情况，或者在之后检查 . ,（之间的空格），除非您希望使用其他规则来删除多个标点符号。

为此从 regex101.com 网站生成的代码如下：

$re = "/(?<!\\.)(\\.{3}|\\.)\\.*\\s*/"; 
$str = "     Helloooooo my frieeend!!!What are you doing??    Tell me what you like...........,please. "; 
$subst = "$1 "; 
$result = preg_replace($re, $subst, $str);

【讨论】：

【解决方案4】：

对于#2、#3 和#4，您可以搜索([,?!])\1+\s* 并替换为$1（注意后面的空格），如this example。

这需要

     Helloooooo my frieeend!!!What are you doing??    Tell me what you like...........,please.

并产生

     Helloooooo my frieeend! What are you doing? Tell me what you like...........,please.

生成的代码如下所示：

$re = "/([,?!])\\1+\\s*/"; 
$str = "     Helloooooo my frieeend!!!What are you doing??    Tell me what you like...........,please. "; 
$subst = "$1 "; 
$result = preg_replace($re, $subst, $str);

【讨论】：