在 php 中添加/修复标点符号答案

【问题标题】：Add/fix punctuation in php在 php 中添加/修复标点符号
【发布时间】：2012-08-25 19:58:15
【问题描述】：

我正在慢慢完善 PHP 中用于清理用户输入的标点符号修复功能。该函数目前在标点符号后添加空格，在标点符号前删除空格，并将每个句子的第一个单词大写。我见过一些人在寻找类似的功能，所以我很高兴分享我到目前为止所拥有的东西。它非常接近我想要的位置，但是，当它在逗号后添加空格时，当逗号在 1,000 等数字内时，应避免这样做?也许有办法缩短我所拥有的但仍然达到相同的结果？感谢您的宝贵时间...

function format_punc($string){
    $punctuation = ',.;:';
    $string = str_replace(' ?', '?', str_replace(' .', '.', str_replace(' ,', ',', preg_replace('/(['.$punctuation.'])[\s]*/', '\1 ', $string))));
    $string = trim(preg_replace('/[[:space:]]+/', ' ', preg_replace('/([\.!\?]\s+|\A)(\w)/e', '"$1" . strtoupper("$2")', $string)));
    if($string[strlen($string)-1]==','){
        $string = substr($string, 0, -1).'.';
    }
    return $string;
}

【问题讨论】：

如何确定逗号是千位分隔符，或者您正在处理数字的枚举？
这就是我发布此内容的原因...我希望有人可以帮助推进该功能以判断其是否处理数字。
有些国家使用不同的轮廓线来表示 1000 秒，也许这可以从设置中推断出来......（只是说）

标签： php punctuation

【解决方案1】：

这是我更新的 php 修复标点符号功能...现在似乎可以正常工作了。我确信有办法压缩它，但它可以对字符串执行以下操作......

减少重复的标点符号，例如!!到！
将多个空格减少为单个空格
删除之前的任何空格？ . ,
; 后面加空格：
在逗号后添加空格，但当它们是数字的一部分时不添加
在句点后添加空格，但当它们是数字或缩写的一部分时不添加
从字符串的开头和结尾删除空格
将句子的第一个单词大写
如果是逗号，则将最后一个字符更改为句点

function format_punc($string){
    $punctuation = ';:';
    $spaced_punc = array(' ?', ' .', ' ,');
    $un_spaced_punc = array('?', '.', ',');
    $string = preg_replace("/([.,!?;:])+/iS","$1",$string);
    $string = preg_replace('/[[:space:]]+/', ' ', $string);
    $string = str_replace($spaced_punc, $un_spaced_punc, $string);
    $string = preg_replace('/(['.$punctuation.'])[\s]*/', '\1 ', $string);
    $string = preg_replace('/(?<!\d),|,(?!\d{3})/', ', ', $string);
    $string = preg_replace('/(\.)([[:alpha:]]{2,})/', '$1 $2', $string);
    $string = trim($string);
    $string = preg_replace('/([\.!\?]\s+|\A)(\w)/e', '"$1" . strtoupper("$2")', $string);
    if($string[strlen($string)-1]==','){
        $string = substr($string, 0, -1).'.';
    }
    return $string;
}

如果您花时间压缩此代码并创建仍然返回相同结果的东西，请分享！谢谢你，享受！

【讨论】：

如何保护电子邮件地址或网址中的标点符号？
对于我的使用，在将字符串传递给此函数之前，会拒绝包含电子邮件地址或 url 的内容。我最初写这个是为了在它通过一些反垃圾邮件检查后格式化字符串。如果您修改它以正确允许+格式化电子邮件或网址以满足您的要求，请在此处为可能感兴趣的任何人分享您的增强代码。谢谢。 (y)
我正在使用不同的解决方案。我在应用清理之前剥离了 url 和电子邮件，并在最后将它们重新注入。不知道我会把它放在这个线程中的什么地方。
自 PHP 7 起不再支持 /e 修饰符

【解决方案2】：

我认为正则表达式应该是 ([^0-9][.][^0-9])[\s]*

preg_replace('/([^0-9]['.$punctuation.'][^0-9])[\s]*/', '\1 ', $string)

Link to regexp test

【讨论】：

谢谢，很接近...但它会导致空格，例如... "String,word. 2,000"

【解决方案3】：

这有点复杂，但它应该能让你朝着正确的方向前进：

<?php

// The following finds all commas in $string and identifies which comma is preceded and followed by a number

$string = 'Hello, my name, is John,Doe. I have 3,425 cats.';

function strpos_r($haystack, $needle)
{
    if(strlen($needle) > strlen($haystack))
        trigger_error(sprintf("%s: length of argument 2 must be <= argument 1", __FUNCTION__), E_USER_WARNING);

    $seeks = array();
    while($seek = strrpos($haystack, $needle))
    {
        array_push($seeks, $seek);
        $haystack = substr($haystack, 0, $seek);
    }
    return $seeks;
}

var_dump($commas = strpos_r($string, ',')); // gives you the location of all commas

for ($i = 0; i <= count($commas) - 1; $i++)
{
    if (is_numeric($commas[$i] - 1) && is_numeric($commas[$i] + 1)) 
    {
      // this means the characters before and after a given comma are numeric
      // don't add space (or delete the space) here

    }
}

【讨论】：