Я пытаюсь разобрать текстовый файл на предложения, заканчивающиеся точками, но такие имена, как мистер Хопкинс, вызывают ложные тревоги при сопоставлении точек.
Какое регулярное выражение идентифицирует "." но не "господин".
В качестве бонуса я также использую ! чтобы найти конец предложения, поэтому мое текущее регулярное выражение — /(!/./, и я бы хотел получить ответ, который также включает мои!
Используйте отрицательный взгляд сзади.
(?<!Mr|Mrs|Dr|Ms)\.
Это будет соответствовать периоду, только если он не стоит после Mr, Mrs, Dr или Ms.
<?
$str = "This is Mr. Someone and Mrs. Somebody. They are here to meet Dr. SomeoneElse.";
$str = preg_replace("/(?<!Mr|Mrs|Dr|Ms)\\./", "\n", $str);
echo($str);
?>
//outputs:
This is Mr. Someone and Mrs. Somebody
They are here to meet Dr. SomeoneElse
Это невозможно сделать с помощью какого-либо простого механизма. Это безнадежно двусмысленно. Предложения могут заканчиваться сокращениями, и в этих случаях они не пишутся с двумя точками.
См. Unicode TR29. Также см. библиотеку с открытым исходным кодом ICU, которая включает базовую реализацию.
Ваши предложения всегда сопровождаются двумя пробелами? Если это так, вы можете просто проверить это...
/\.\s{2}/
и включение другого знака препинания в конце предложения: /[\.\!\?]\s{2}/
Вы также можете проверить другие вещи, которые могут указывать на конец предложения, например, пишется ли следующее слово с заглавной буквы, следует ли за ним возврат каретки и т. д. Но в лучшем случае вы просто сможете сделать обоснованное предположение, как указывалось выше, период слишком неоднозначен.
