1

我需要提取文本中的单词和短语。例如，文本是：

你好世界，“日本和中国”，美国人，亚洲人，“犹太人和基督徒”，半天主教徒，耶和华见证人

使用 preg_split()，它应该返回以下内容：

  1. 你好
  2. 世界
  3. 日本和中国
  4. 美国人
  5. 亚洲人
  6. 犹太人和基督徒
  7. 和
  8. 半天主教徒
  9. 约瓦的
  10. 证人

我需要知道 RegEx 才能工作（或者有可能吗？）。请注意规则，短语用引号 (") 括起来。字母数字、单引号 (') 和破折号 (-) 被视为单词的一部分（这就是为什么“Jehova's”和“semi-catholics”被视为一个单词的原因），以空格分隔的其余符号被视为单个单词，而其他未提及的符号则被忽略

4

2 回答 2

1

实际上，您可以像这样使用 str_getcsv 非常简单地做到这一点：

// replace any comma or space by a singe space
$str = preg_replace('/(,+[ ]+)|([ ]+)/', ' ', $str);
// treat the input as CSV, the delimiters being spaces and enclusures double quotes
print_r(str_getcsv($str, ' ', '"'));

输出：

Array
(
    [0] => Hello
    [1] => World
    [2] => Japan and China
    [3] => Americans
    [4] => Asians
    [5] => Jews and Christians
    [6] => and
    [7] => semi-catholics
    [8] => Jehovah's
    [9] => witnesses
)
于 2012-04-06T12:54:11.163 回答
0

如果您的示例字符串是典型的，请从处理单引号和双引号开始。我在这里使用了heredoc 语法来使字符串可以安全使用。

$string = <<<TEST
Hello World, "Japan and China", Americans, Asians, "Jews and Christians", and semi-catholics, Jehovah's witnesses
TEST;
$safe_string = addslashes($string);//make the string safe to work with
$pieces = explode(",",$safe_string);//break into pieces on comma
$words_and_phrases = array();//initiate new array

foreach($pieces as $piece)://begin working with the pieces
    $piece = trim($piece);//a little clean up
    if(strpos($piece,'"'))://this is a phrase
        $words_and_phrases[] = str_replace('"','',stripslashes($piece));
    else://else, these are words
        $words = explode(" ",stripslashes($piece));
        $words_and_phrases = array_merge($words_and_phrases, $words);
    endif;
endforeach;
print_r($words_and_phrases);

注意：您也可以使用 preg_replace，但对于这样的事情似乎有点过分了。

于 2012-04-06T12:14:41.477 回答