如何结合文本中的一个单词的分隔？答案

【问题标题】：How to combine the separation of a word in the text?如何结合文本中的一个单词的分隔？
【发布时间】：2017-10-20 15:30:52
【问题描述】：

我有简单的文字：

$text = "БАДРЎ(Й) (ي(بدرو он ки рўи нозебу хунук до- рад，бадафт，безеб，бадбашара； муќоб。 Тез-тез зур - зур。 ОБАНДОМ آباندام маљ。 обпайкар, нозукан- дом, латифбадан。 FБАФКАН آبافكن муњаррики обафкан, даст- гоњи обпошї.";

这里我想组合单词并得到这个结果：

БАДРЎ(Й) (ي(بدرو он ки рўи нозебу хунук дорад, бадафт, безеб, бадбашара; муќоб. Тез-тез ганда. ОБАНДОМ آباندام маљ. обпайкар, нозукандом，латифбадан。 FБАФКАН آبافكن муњаррики зур - зур обафкан, дастгоњи обпошї.

也就是说，你需要这样组合这些词：

до- рад 到 дорад

нозукан-дом到нозукандом

даст- гоњи 到 дастгоњи

我使用此代码删除\r\n：

$regex = '~-\R~';
$result = preg_replace($regex, '', $string);

并且只得到那个结果：

БАДРЎ(Й) (ي(بدرو он ки рўи нозебу хунук дорад, бадафт, безеб, бадбашара; муќоб. Тез-тез зур - зур. ОБАНДОМ آباندام маљ. обпайкар, нозукан- дом, латифбадан。FБАФКАН آبافكن муњаррики обафкан, даст- гоњи обпошї。

无法组合这些词：

нозукан-дом到нозукандом

даст- гоњи 到 дастгоњи

【问题讨论】：

试试$result = preg_replace('~\b-(?:\R|\h)\b~u', '', $string);
感谢大家的回答。哪个响应代码运行得更快？我希望进行比较审查。
我宁愿担心这种情况下的正则表达式精度而不是速度
是的，正如@WiktorStribiżew 建议的那样，制作一些测试用例并在它们上运行所有正则表达式，寻找更精确的。
只为你工作 '@Wiktor Stribiżew' 正确回答和回答 '@ishegg'

标签： php regex

【解决方案1】：

我建议使用

$result = preg_replace('~\b-(?:\R|\h)\b~u', '', $string);

见regex demo

详情

\b - 单词边界（当前位置必须以单词 char 开头
- - 一个连字符
(?:\R|\h) - 换行序列 (\R) 或 (|) 任何水平空格 (\h)
\b - 单词边界（当前位置右侧必须有单词 char）

PHP demo:

$string = "БАДРЎ(Й) (ي(بدرو он ки рўи нозебу хунук до-
рад, бадафт, безеб, бадбашара; муќоб. Тез-тез зур - зур.
ОБАНДОМ آباندام маљ. обпайкар, нозукан- дом, латифбадан.
FБАФКАН آبافكن муњаррики обафкан, даст- гоњи обпошї.";
$result = preg_replace('~\b-(?:\R|\h)\b~u', '', $string);
echo $result;

输出：

БАДРЎ(Й) (ي(بدرو он ки рўи нозебу хунук дорад, бадафт, безеб, бадбашара; муќоб. Тез-тез зур - зур.
ОБАНДОМ آباندام маљ. обпайкар, нозукандом, латифбадан.
FБАФКАН آبافكن муњаррики обафкан, дастгоњи обпошї.

【讨论】：

【解决方案2】：

您需要替换 \R 或空格，并添加单词边界 (\b)。最后，由于您现在处理的是文字，因此您需要添加 u flag 以便引擎考虑 UTF-8。

<?php
$text = "БАДРЎ(Й) (ي(بدرو он ки рўи нозебу хунук до-
рад, бадафт, безеб, бадбашара; муќоб. Тез-тез зур - зур.
ОБАНДОМ آباندام маљ. обпайкар, нозукан- дом, латифбадан.
FБАФКАН آبافكن муњаррики обафкан, даст- гоњи обпошї.";
$regex = '/\b-(\R| )\b/u';
$result = preg_replace($regex, '', $text);
echo $result;

Demo

结果：

БАДРЎ(Й) (ي(بدرو он ки рўи нозебу хунук дорад, бадафт, безеб, бадбашара; муќоб. Тез-тез зур - зур. ОБАНДОМ آباندام маљ。 обпайкар，нозукандом，латифбадан。 FБАФКАН آبافكن муњаррики обафкан, дастгоњи обпошї.

【讨论】：

【解决方案3】：

试试下面的正则表达式：

preg_replace("/((?<![ ])[-][ \r\n]+)/", '', $text)

这将很好地匹配这些词。 Demo Here

【讨论】：

感谢您的回答，但您将这个词组合起来 Тез-тез 到 Тезтез
感谢工作！ :) 现在我们需要比较谁的代码更快。你的或其他的。

【解决方案4】：

看起来有几个不在结尾，对吧？因此，您可能还需要包括：

$regex = '~- ~';
$result = preg_replace($regex, '', $string);

而且我没有能力对此进行测试，但您可以将两者与

结合起来

$regex = '~-(\R| )~';
$result = preg_replace($regex, '', $string);

【讨论】：

它可以工作，但有点不正确。您不需要删除这个词中的“-”：зур - зур