如何拆分文本以匹配双引号加上尾随文本到点？

Posted 2023-02-24

【中文标题】如何拆分文本以匹配双引号加上尾随文本到点？

【英文标题】：How to split text to match double quotes plus trailing text to dot?

【发布时间】：2017-10-20 07:51:32

【问题描述】：

我怎样才能得到一个双引号中的句子，其中有一个必须拆分的点？

像这样的示例文档：

“国际象棋帮助我们克服困难和痛苦，”乌尼克里希南说，带着我的王后。 “在棋盘上，你正在战斗。因为我们也在与日常生活中的艰辛作斗争。”他说。

我想得到这样的输出：

Array
(
    [0] =>"Chess helps us overcome difficulties and sufferings," said Unnikrishnan, taking my queen.
    [1] =>"On a chess board you are fighting. as we are also fighting the hardships in our daily life," he said.
 )

我的代码仍然按点爆炸。

function sample($string)

    $data=array();
    $break=explode(".", $string);
    array_push($data, $break);

    print_r($data);

我仍然对拆分关于双引号和点的两个分隔符感到困惑。因为在双引号里面有一个包含点分隔符的句子。

【参考方案1】：

(*SKIP)(*FAIL) 的完美示例：

“[^“”]+”(*SKIP)(*FAIL)|\.\s*
# looks for strings in double quotes
# throws them away
# matches a dot literally, followed by whitespaces eventually

---

在php:

$regex = '~“[^“”]+”(*SKIP)(*FAIL)|\.\s*~';
$parts = preg_split($regex, $your_string_here);

这会产生

Array
(
    [0] => “Chess helps us overcome difficulties and sufferings,” said Unnikrishnan, taking my queen
    [1] => “On a chess board you are fighting. as we are also fighting the hardships in our daily life.”
)

参见a demo on regex101.com 和a demo on ideone.com。

【讨论】：

你能告诉我你的正则表达式中字符~是什么意思吗？ Cz 我尝试学习正则表达式，但我没有在正则表达式中找到字符~。或者你能给我参考学习正则表达式字符吗？，谢谢。

@Rachmad：这些是分隔符，例如 / 或 #，并且在正则表达式字符串的两侧都需要。

哦..so 如果我将~ 更改为 ~/~ 没问题？ @简

【参考方案2】：

这是preg_split() 后跟preg_replace() 使用的更简单的模式来修复左右双引号（Demo）：

$in = '“Chess helps us overcome difficulties and sufferings,” said Unnikrishnan, taking my queen. “On a chess board you are fighting. as we are also fighting the hardships in our daily life.” he said.';

$out = preg_split('/ (?=“)/', $in, 0, PREG_SPLIT_NO_EMPTY);
//$out = preg_match_all('/“.+?(?= “|$)/', $in, $out) ? $out[0] : null;

$find = '/[“”]/u';  // unicode flag is essential
$replace = '"';
$out = preg_replace($find, $replace, $out);  // replace curly quotes with standard double quotes

var_export($out);

输出：

array (
  0 => '"Chess helps us overcome difficulties and sufferings," said Unnikrishnan, taking my queen.',
  1 => '"On a chess board you are fighting. as we are also fighting the hardships in our daily life." he said.',
)

preg_split() 匹配空格后跟“（左双引号）。

preg_replace() 步骤需要带有u 修饰符的模式，以确保识别字符类中的左右双引号。使用 '/“|”/' 意味着您可以删除 u 修饰符，但它会使正则表达式引擎必须执行的步骤加倍（在这种情况下，我的字符类仅使用 189 步，而管道字符使用 372 步）。

此外，关于preg_split() 和preg_match_all() 之间的选择，选择preg_split() 的原因是因为目标只是在left double quote 后面的空格上拆分字符串。如果目标是省略与分隔空格字符不相邻的子字符串，preg_match_all() 将是一个更实际的选择。

尽管我的逻辑，如果你仍然想使用preg_match_all()，我的preg_split()行可以替换为：

$out = preg_match_all('/“.+?(?= “|$)/', $in, $out) ? $out[0] : null;

【讨论】：

完美解决方案！

也不错.. 但是我们如何在 php 中打印双引号？

哦.. 我知道我的问题，只需编辑 .htacces 并添加特殊字符 AddDefaultCharset UTF-8 AddCharset UTF-8 .php，也感谢 @mickmackusa

【参考方案3】：

或者：

regex101 ^{(16 步)}

“.[^”]+”(?:.[^“]+)?

“.[^”]+” 匹配

“

和

”

之间的所有内容。 (?:.[^“]+)? 匹配 - 一种可能性，这就是为什么会有最后一个

?

- 不是开始的一切

“

，

?:

表示非捕获组。

---

PHP - PHPfiddle: - 点击“Run-F9” - [ 更新为替换 “, @ 987654332@ with " ]

<?php
    $str = '“Chess helps us overcome difficulties and sufferings,” said Unnikrishnan, taking my queen. “On a chess board you are fighting. as we are also fighting the hardships in our daily life.”';

if(preg_match_all('/“.[^”]+”(?:.[^“]+)?/',$str, $matches))
    echo '<pre>';
    print_r(preg_replace('[“|”]', '"', $matches[0]));
    echo '</pre>';

?>

输出：

Array
(
    [0] => "Chess helps us overcome difficulties and sufferings," said Unnikrishnan, taking my queen. 
    [1] => "On a chess board you are fighting. as we are also fighting the hardships in our daily life."
)