具有多个模式的preg_split()不分裂引号字符串

Question

我需要把一段分成几个句子。这就是我有点搞不懂的地方。

我已经引用了这个Q标记为副本的question。但这里的问题是不同的。

这里是我需要拆分的字符串的一个示例:

你好!你好吗？生活怎么样？ 过生活，过自由。“不是吗？”

这里是我尝试过的代码:

$sentence_array = preg_split('/([.!?\r\n|\r|\n])+(?![^"]*")/', $paragraph, -1);

我需要的是:

array (  
  [0] => "hello"  
  [1] => "how are you"  
  [2] => "how is life"  
  [3] => "live life, live free"  
  [4] => ""isnt it?""  
)

我得到的是:

array(
  [0] => "hello! how are you? how is life live life, live free. "isnt it?""
)

当字符串中没有引号时，拆分将按需要工作。

任何帮助都是非常感谢的。谢谢。

Answer 1

正则表达式中存在一些问题，主要是将组结构与字符类混淆。字符类中的管道|实际上是指|。它没有什么特别的意义。

你需要的是：

("[^"]*")|[!?.]+\s*|\R+

这首先尝试匹配以双引号括起来的字符串(并捕获内容)。然后尝试匹配[!?.]设置的标点符号以在其上拆分。如果找到任何类型的换行符，都可以使用。

PHP：

var_dump(preg_split('~("[^"]*")|[!?.]+\s*|\R+~', <<<STR
hello! how are you? how is life
live life, live free. "isnt it?"
STR
, -1, PREG_SPLIT_DELIM_CAPTURE | PREG_SPLIT_NO_EMPTY));

输出：

array(5) {
  [0]=>
  string(5) "hello"
  [1]=>
  string(11) "how are you"
  [2]=>
  string(11) "how is life"
  [3]=>
  string(20) "live life, live free"
  [4]=>
  string(10) ""isnt it?""
}

Answer 2

我认为您基于某些标点符号拆分的问题已经解决了，只是在双引号的情况下失败了。我们可以用一个解决方案来表达，当我们看到这样的标点符号时，或者当看到这个标点符号后面跟着双引号时，我们应该分开。

当前面的字符与你的一个标记匹配，下面不是双引号，或者前两个字符应该是一个标记和一个双引号时，就会发生分裂。这意味着按照以下模式进行拆分，该模式使用查找器：

(?<=[.!?\r\n])(?=[^"])|(?<=[.!?\r\n]")(?=.)

代码示例：

$input = "hello! how \"are\" \"you?\" how is life\nlive life, live free. \"isnt it?\"";
$sentence_array = preg_split('/(?<=[.!?\r\n])(?=[^"])|(?<=[.!?\r\n]\")(?=.)/', $input, -1);
print_r($sentence_array);

Array ( [0] => hello! [1] => how "are" "you?" [2] => how is life
    [3] => live life, live free. [4] => "isnt it?" )