在字符串中查找句子的开头

Posted 2023-02-24

【中文标题】在字符串中查找句子的开头

【英文标题】：Find beginning of sentence in String

【发布时间】：2010-09-16 12:43:27

【问题描述】：

我想在带有标题和简短描述的网站中显示搜索查询的结果。简短描述应该是包含搜索词的页面的一小部分。我想做的是： 1 在页面中去除标签 2 找到seachterm的第一个位置 3 从那个位置，回去找到那个句子的开头（如果有的话）。 4 从第 3 步中找到的位置开始并显示即从那里开始的 200 个字符

第 3 步我需要一些帮助。我想我需要一个正则表达式来找到第一个大写字母或点...

【参考方案1】：

即使这样最终也会失败。给定句子“我们去了史密斯博士的办公室”，如果您的搜索词是“办公室”，那么您使用的几乎任何标准都会将“史密斯办公室”作为您的句子。

【讨论】：

我发布了对策略的细微改动...你能看到其中的任何错误吗？

【参考方案2】：

我会这样做，我会解析页面...

跳过所有以'

当您遇到“.”时或 [A-Z]，开始将其放入缓冲区，直到找到另一个“。”

如果缓冲的字符串有搜索关键字，那就是你的字符串！别的。在“。”处开始缓冲你遇到过并重复。

编辑：正如 James Curran 指出的那样，这种策略在某些情况下会失败......所以解决方案如下：

你可以做的是从页面开始（标签之后）开始X个字符

然后搜索您的关键字，缓冲前两个单词。当你找到它时， 做这样的事情：X ... prev-2 next-2

例子：这个星球有——或者更确切地说有——一个问题，那就是：大多数生活在它上面的人在相当长的时间里都不快乐。针对这个问题提出了许多解决方案，但其中大多数主要关注绿色小纸片的运动，这很奇怪，因为总的来说不是绿色小纸片不开心。

搜索关键字：“建议”

结果：这个星球有 - 或者说有 - 一个问题......许多解决方案 建议 这个问题......

【参考方案3】：

对于第 3 步：如果您反转结束您想要向后搜索的子字符串，则获取第一个 '.' 的位置。并从搜索字符串的位置子跟踪该值。

$offset = stripos( strrev(substr($string, $searchlocation)), '.');
$startloc = $searchlocation - $offset;
$finalstring = substr($string, $startloc, 200);

这可能会偏离 1，但我认为它会完成工作。似乎应该有更短的方法。

【讨论】：

James Curran 的回答也适用于此，这对于 Smith 博士的办公室来说仍然会失败。

【参考方案4】：

我认为与其尝试查找句子，不如考虑我在单词中需要的搜索词周围的上下文量。然后倒退这个单词数量的一部分（或回到开头）并转发剩余的单词数量以选择上下文的其余部分。这样，您只需在空格上拆分整个语料库，找到第一次出现的术语（可能使用模糊匹配来查找子术语并考虑标点符号），然后应用上述算法。如果第一个未选择的术语没有以标点符号等结尾，您甚至可以创造性地引入省略号。