目前我正在开发一个 Web 应用程序来获取 Twitter 流并尝试自己创建一个自然语言处理。
由于我的数据来自 Twitter（限制为 140 个字符），因此缩短了许多单词，或者在这种情况下，省略了空格。
例如：
"Hi, my name is Bob. I m 19yo and 170cm tall"
应标记为：
- hi
- my
- name
- bob
- i
- 19
- yo
- 170
- cm
- tall
请注意，19它们yo之间19yo没有空格。我主要用它来提取带有单位的数字。
简单地说，我需要的是一种方法，可以通过没有分隔符的数字或字母块来“分解”每个包含数字的标记。
'123abc'将会['123', 'abc']
'abc123'将会['abc', '123']
'abc123xyz'将会['abc', '123', 'xyz']
等等。
在 PHP 中实现它的最佳方法是什么？
我发现了一些接近它的东西，但它是 C# 并且特别适用于日/月拆分。如何在 C# 中根据字母和数字拆分字符串
您可以使用preg_split
$string = "Hi, my name is Bob. I m 19yo and 170cm tall";
$parts = preg_split("/(,?\s+)|((?<=[a-z])(?=\d))|((?<=\d)(?=[a-z]))/i", $string);
var_dump ($parts);
匹配数字字母边界时，正则表达式匹配必须是零宽度。字符本身不得包含在匹配中。为此，零宽度环视很有用。
这个怎么样：
您使用正则表达式从字符串中提取数字，将它们存储在数组中，用某种特殊字符替换字符串中的数字，这将“保持”它们的位置。在解析仅由您的特殊字符和普通字符创建的字符串后，您会将数组中的数字输入到他们的保留位置。
只是一个想法，但恕我直言可能对你有用。
编辑：尝试运行这个短代码，希望你能在输出中看到我的观点。（此代码在键盘上不起作用，不知道为什么）
<?php
$str = "Hi, my name is Bob. I m 19yo and 170cm tall";
preg_match_all("#\d+#", $str, $matches);
$str = preg_replace("!\d+!", "#SPEC#", $str);
print_r($matches[0]);
print $str;