Próbuję parsować plik tekstowy na zdania kończące się kropkami, ale nazwiska takie jak Mr. Hopkins rzucają fałszywe alarmy o dopasowywaniu okresów.Regex do dopasowania. (okresy oznaczające koniec zdania), ale nie pan (jak w Mr. Hopkins)
Co regex oznacza "." ale nie "Pan"
Do bonusu używam również! aby znaleźć koniec zdań, więc mój obecny Regex to /(!/./ i bardzo chciałbym odpowiedzi, która zawiera także moje !.
Użyj negative look behind.
(?<!Mr|Mrs|Dr|Ms)\.
To dopasuje okres tylko wtedy, gdy nie przychodzi po Mr, Mrs, Dr lub Ms
<?
$str = "This is Mr. Someone and Mrs. Somebody. They are here to meet Dr. SomeoneElse.";
$str = preg_replace("/(?<!Mr|Mrs|Dr|Ms)\\./", "\n", $str);
echo($str);
?>
//outputs:
This is Mr. Someone and Mrs. Somebody
They are here to meet Dr. SomeoneElse
Znałem kogoś, kto mieszkał na Lincolnie Dr. żyłem na Albert Rd. –
OK, narzekam za dużo, ponieważ ten problem jest rozwiązany dla pana. To się tylko nie udaje na dr Miss nie ma okresu, a pani i pani pracują. –
Nie da się tego zrobić za pomocą prostego mechanizmu, beznadziejnie dwuznacznego . zdania może kończyć się skrótów, iw tych przypadkach nie są one pisane z dwóch okresów.
Zobacz Unicode TR29. patrz także bibliotekę ICU open source, która zawiera podstawowe wdrożenie.
Czy twoje zdania zawsze następuje przez dwie spacje? Jeśli tak, możesz to sprawdzić ...
/\.\s{2}/
i włączenie drugi koniec zdanie interpunkcyjne /[\.\!\?]\s{2}/
Można również sprawdzić inne rzeczy, które mogą być wskaźniki końcu zdania, podobnie jak wtedy, gdy następny wyraz jest aktywowane, jest to następuje powrót karetki itp. Ale w najlepszym razie będziesz w stanie przeprowadzić domysły, ponieważ powyższy okres jest zbyt niejednoznaczny.
Co z innymi znakami (np: "Pani"), przerywane akronimów ("ACME ") lub elipsy (" ... ")? –
'Pani'? 'Ms.'? 'Dr.'? – kennytm
Jeśli ktoś wie, jak to zrobić, to dostanę mnie do przodu. –