草庐IT

php - 正则表达式 - 根据标点符号/空格将字符串拆分为数组

coder 2024-04-05 原文

我需要一种方法根据标点符号或空格的存在将字符串分成几个不同的部分。

我的意思是，每个单词都应该被拆分到它自己的数组元素中，此外，单词开头或结尾的标点符号也应该放入它自己的数组元素中数组元素。

例如: 我需要能够转换字符串 Hello, Harry Potter。我是汤姆·里德尔。 进入

array(
   "Hello",
    ", "
    "Harry",
    "Potter"
    ". ",
    "I'm",
    "Tom",
    "Riddle",
    ". "
)

因此单词中间的标点符号(例如单词中间的撇号)不应导致分隔 **编辑:** 为了阐明所需的行为，I'm、didn't 等应该保持一个词，但是 你好!, "okay,等开头或结尾的标点符号要分开。

此外，我希望包含在搜索中的标点符号是:

  • >。 (句号/句号)
  • >？ (问号)
  • >! (感叹号)
  • , (逗号)
  • >; (分号)
  • :(冒号)
  • (-)(连字符-破折号)
  • ((起始括号)
  • ) (结束括号)
  • {(开始大括号)
  • }(结束波浪大括号)
  • [(开始方括号)
  • ](结束方括号)
  • '(单引号)
  • "(双引号)
  • …(省略号)

我找到的最接近我需要的结果是:

preg_split('/(\s|[\.,\/])/', $string, -1, PREG_SPLIT_DELIM_CAPTURE | PREG_SPLIT_NO_EMPTY);

但是，这样做的问题是:

  • 中间词的标点算作正常标点
  • 包含数组元素的数组元素也不包含空格。 编辑:抱歉含糊不清；通过这个，我的意思是我希望标点字符包含标点符号之后/之前的空格。例如如果是逗号，则为 ,(后空格)，但如果是左括号，则为 ((前空格)。
  • 当我添加我需要的其余标点符号时 (preg_split("/(\s|[\.?!,;:-(){}[]'\"…\/])/",) 我得到一个错误。我很确定这个错误是由于未转义的字符造成的，所以我通过 preg_quote 运行了整个过程，它返回了 \。\?\!,;\:\-\(\)\{\}\[\]'"...，但这仍然给出错误:解析错误:语法错误，意外的'...' (T_STRING)，在第 5 行的 [...] 中期待 ',' 或 ')'

我对正则表达式的理解相当有限，但在查看了 php 文档后，我了解到上面的代码在它遇到的每个空格处分隔单词，或者每次遇到逗号或标点符号时分隔单词。 (如果我在那里错了，请纠正我？)据我所知，在方括号内添加其余字符也会使其在任何这些字符处分隔字符串(？)因为这不起作用，我假设我对它的工作原理存在某种根本性的误解，因此非常感谢您的解释。

最佳答案

这会做到，但是输出略有不同，因为您将 ' 作为要拆分的字符，所以 I'm 将被拆分:

$result = preg_split('/(\.\.\.\s?|[-.?!,;:(){}\[\]\'"]\s?)|\s/',
                     $string, null, PREG_SPLIT_DELIM_CAPTURE|PREG_SPLIT_NO_EMPTY);

它可能会被简化，但我只是包含了省略号 ... 和一个可选空格，或者所有其他字符都包含一个可选空格或一个空格。

您需要转义字符类 [] 之外的点 .，转义 [ 和 ] 在字符类中，- 需要转义或排在前面或最后，以免表示范围。显然，您需要转义用于包含模式的引号，在本例中为单个 '。

您没有指定标点符号两边是否需要空格，并且不清楚这个“Punctuation mid-word counts as normal punctuation” 意味着它应该还是不应该'数不过来。

关于php - 正则表达式 - 根据标点符号/空格将字符串拆分为数组，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/43876036/

为数phpcodelisectionregex

有关php - 正则表达式 - 根据标点符号/空格将字符串拆分为数组的更多相关文章

  1. ruby - 如何从 ruby​​ 中的字符串运行任意对象方法？ - 2

    总的来说，我对ruby​​还比较陌生，我正在为我正在创建的对象编写一些rspec测试用例。许多测试用例都非常基础，我只是想确保正确填充和返回值。我想知道是否有办法使用循环结构来执行此操作。不必为我要测试的每个方法都设置一个assertEquals。例如:describeitem,"TestingtheItem"doit"willhaveanullvaluetostart"doitem=Item.new#HereIcoulddotheitem.name.shouldbe_nil#thenIcoulddoitem.category.shouldbe_nilendend但我想要一些方法来使用

  2. Ruby 解析字符串 - 2

    我有一个字符串input="maybe(thisis|thatwas)some((nice|ugly)(day|night)|(strange(weather|time)))"Ruby中解析该字符串的最佳方法是什么？我的意思是脚本应该能够像这样构建句子:maybethisissomeuglynightmaybethatwassomenicenightmaybethiswassomestrangetime等等，你明白了......我应该一个字符一个字符地读取字符串并构建一个带有堆栈的状态机来存储括号值以供以后计算，还是有更好的方法？也许为此目的准备了一个开箱即用的库？

  3. ruby-on-rails - 在 Rails 中将文件大小字符串转换为等效千字节 - 2

    我的目标是转换表单输入，例如“100兆字节”或“1GB”，并将其转换为我可以存储在数据库中的文件大小(以千字节为单位)。目前，我有这个:defquota_convert@regex=/([0-9]+)(.*)s/@sizes=%w{kilobytemegabytegigabyte}m=self.quota.match(@regex)if@sizes.include?m[2]eval("self.quota=#{m[1]}.#{m[2]}")endend这有效，但前提是输入是倍数(“gigabytes”，而不是“gigabyte”)并且由于使用了eval看起来疯狂不安全。所以，功能正常，

  4. ruby-on-rails - unicode 字符串的长度 - 2

    在我的Rails(2.3，Ruby1.8.7)应用程序中，我需要将字符串截断到一定长度。该字符串是unicode，在控制台中运行测试时，例如'א'.length，我意识到返回了双倍长度。我想要一个与编码无关的长度，以便对unicode字符串或latin1编码字符串进行相同的截断。我已经了解了Ruby的大部分unicode资料，但仍然有些一头雾水。应该如何解决这个问题？ 最佳答案 Rails有一个返回多字节字符的mb_chars方法。试试unicode_string.mb_chars.slice(0,50)

  5. ruby - 将差异补丁应用于字符串/文件 - 2

    对于具有离线功能的智能手机应用程序，我正在为Xml文件创建单向文本同步。我希望我的服务器将增量/差异(例如GNU差异补丁)发送到目标设备。这是计划:Time=0Server:hasversion_1ofXmlfile(~800kiB)Client:hasversion_1ofXmlfile(~800kiB)Time=1Server:hasversion_1andversion_2ofXmlfile(each~800kiB)computesdeltaoftheseversions(=patch)(~10kiB)sendspatchtoClient(~10kiBtransferred)Cl

  6. ruby-on-rails - Rails 常用字符串(用于通知和错误信息等) - 2

    大约一年前，我决定确保每个包含非唯一文本的Flash通知都将从模块中的方法中获取文本。我这样做的最初原因是为了避免一遍又一遍地输入相同的字符串。如果我想更改措辞，我可以在一个地方轻松完成，而且一遍又一遍地重复同一件事而出现拼写错误的可能性也会降低。我最终得到的是这样的:moduleMessagesdefformat_error_messages(errors)errors.map{|attribute,message|"Error:#{attribute.to_s.titleize}#{message}."}enddeferror_message_could_not_find(obje

  7. ruby - 如何将脚本文件的末尾读取为数据文件(Perl 或任何其他语言) - 2

    我正在寻找执行以下操作的正确语法(在Perl、Shell或Ruby中):#variabletoaccessthedatalinesappendedasafileEND_OF_SCRIPT_MARKERrawdatastartshereanditcontinues. 最佳答案 Perl用__DATA__做这个:#!/usr/bin/perlusestrict;usewarnings;while(){print;}__DATA__Texttoprintgoeshere 关于ruby-如何将脚

  8. ruby - 如何以所有可能的方式将字符串拆分为长度最多为 3 的连续子字符串？ - 2

    我试图获取一个长度在1到10之间的字符串，并输出将字符串分解为大小为1、2或3的连续子字符串的所有可能方式。例如:输入:123456将整数分割成单个字符，然后继续查找组合。该代码将返回以下所有数组。[1,2,3,4,5,6][12,3,4,5,6][1,23,4,5,6][1,2,34,5,6][1,2,3,45,6][1,2,3,4,56][12,34,5,6][12,3,45,6][12,3,4,56][1,23,45,6][1,2,34,56][1,23,4,56][12,34,56][123,4,5,6][1,234,5,6][1,2,345,6][1,2,3,456][123

  9. ruby - 什么是填充的 Base64 编码字符串以及如何在 ruby​​ 中生成它们？ - 2

    我正在使用的第三方API的文档状态:"[O]urAPIonlyacceptspaddedBase64encodedstrings."什么是“填充的Base64编码字符串”以及如何在Ruby中生成它们。下面的代码是我第一次尝试创建转换为Base64的JSON格式数据。xa=Base64.encode64(a.to_json) 最佳答案 他们说的padding其实就是Base64本身的一部分。它是末尾的“=”和“==”。Base64将3个字节的数据包编码为4个编码字符。所以如果你的输入数据有长度n和n%3=1=>"=="末尾用于填充n%

  10. ruby - 如何使用文字标量样式在 YAML 中转储字符串？ - 2

    我有一大串格式化数据(例如JSON)，我想使用Psychinruby​​同时保留格式转储到YAML。基本上，我希望JSON使用literalstyle出现在YAML中:---json:|{"page":1,"results":["item","another"],"total_pages":0}但是，当我使用YAML.dump时，它不使用文字样式。我得到这样的东西:---json:!"{\n\"page\":1,\n\"results\":[\n\"item\",\"another\"\n],\n\"total_pages\":0\n}\n"我如何告诉Psych以想要的样式转储标量？解

随机推荐