正则表达式匹配至少有 n 个单词的句子答案

【问题标题】：Regex to match sentences with at least n words正则表达式匹配至少有 n 个单词的句子
【发布时间】：2010-09-04 18:14:15
【问题描述】：

我正在尝试从包含至少 5 个 PHP 单词的文本中提取所有句子。假设句子以句号、问号或感叹号结尾，我想出了这个：

 /[\w]{5,*}[\.|\?|\!]/

任何想法，有什么问题？

另外，需要做什么才能使用 UTF-8？

【问题讨论】：

"有什么想法，怎么了？"究竟发生了什么？一个错误？没有达到你的预期？

标签： php regex utf-8

【解决方案1】：

\w 只匹配单个字符。一个单词就是\w+。如果你需要至少 5 个单词，你可以这样做：

/(\w+\s){4,}\w+[.?!]/

即至少 4 个单词后跟空格，然后是另一个单词，后跟一个句子分隔符。

【讨论】：

【解决方案2】：

我同意此处发布的解决方案。如果您在 PHP 中使用 preg 函数，您可以添加 'u' 模式修饰符以使其与 UTF-8 一起使用。以/(\w+\s){4,}\w+[.?!]/u 为例

【讨论】：

【解决方案3】：

没有正则表达式的方法：

$str = "this is a more than five word sentence. But this is not. Neither this. NO";

$sentences = explode(".", $str);
foreach($sentences as $s)
{
   $words = explode(' ', $s);
   if(count(array_filter($words, 'is_notempty')) > 5)
       echo "Found matching sentence : $s" . "<br/>";
}

function is_notempty($x)
{
 return !empty($x);
}

这个输出：

找到匹配的句子：这是一个超过五个单词的句子

【讨论】：

请注意，您只能使用单个分隔符“分解”。 OP表示句子可以以.?!中的任何一个结尾。