将句子拆分成单词（带有特殊单词列表）[重复]

Question

我有一句话：

$text = "word word, dr. word: a.sh. word a.k word?!..";

特殊词是：“博士”。 , "a.sh" 和 "a.k"

这个：

$text = "word word, dr. word: a.sh. word a.k word?!..";
$split = preg_split("/[^\w]([\s]+[^\w]|$)/", $text, -1, PREG_SPLIT_NO_EMPTY);
print_r($split);

正则表达式给了我这个：

 Array (   
     [0] => word   
     [1] => word  
     [2] => dr  
     [3] => word    
     [4] => a.sh   
     [5] => word   
     [6] => a.k   
     [7] => word     ) 

我需要

数组（
[0] => 单词
[1] => 单词
[2] => 博士。 # 单词
[4] => a.sh。 # 单词
[6] => a.k
[7] => 单词）

Answer 1

我认为你是在倒退。与其尝试定义不是单词的正则表达式，不如定义什么是单词，并捕获所有匹配的字符序列。

$special_words = array("dr.", "a.sh.", "a.k");
array_walk($special_words, function(&$item, $key){ $item= preg_quote($item, '~');});

$regex = '~(?<!\w)(' . implode('|', $special_words) . '|\w+)(?!\w)~';
$str = 'word word, dr. word: a.sh. word a.k word?!..';
preg_match_all($regex, $str, $matches);
var_dump($matches[0]);

这里的键是特殊词数组、array_walk 和正则表达式。

array_walk

这一行，就在您的数组定义之后，遍历您的每个特殊单词并转义所有 REGEX 特殊字符（如 . 和 ?），包括我们稍后将使用的分隔符。这样，您可以定义任何您喜欢的词，而不必担心它会如何影响正则表达式。

正则表达式。

Regex 实际上非常简单。使用| 作为胶水将特殊词插入，然后添加另一个管道和您的标准词定义（我选择w+，因为它对我来说最有意义。）用括号包围那个巨大的交替来分组它，我添加了向后看和向前看，以确保我们不会从单词中间偷窃。因为正则表达式从左到右工作，a.sh. 中的 a 不会被拆分成自己的单词，因为 a.sh. 特殊单词会捕获它。除非它显示a.sh.e，在这种情况下，三部分表达式的每个部分都将匹配为三个单独的单词。

Check it out.