Я regexp noob и пытаюсь разделить абзацы на предложения. На моем языке мы используем довольно много аббревиатур (например: bl.a.) в середине предложений, поэтому я пришел к выводу, что мне нужно искать пунктуации, за которыми следует одиночный а затем слово, начинающееся с заглавной буквы:
[sentence1]...anymore. However...[sentence2]
Итак, абзац вроде:
Der er en lang og bevæget forhistorie bag lov om varsling m.v. i forbindelse med afskedigelser af større omfang. Det er ikke en bureaukratisk lovtekst blandt så mange andre.
Должен закончить этот вывод:
[0] => Der er en lang og bevæget forhistorie bag lov om varsling m.v. i forbindelse med afskedigelser af større omfang.
[1] => Det er ikke en bureaukratisk lovtekst blandt så mange andre.
и НЕ:
[0] => Der er en lang og bevæget forhistorie bag lov om varsling m.v.
[1] => i forbindelse med afskedigelser af større omfang.
[2] => Det er ikke en bureaukratisk lovtekst blandt så mange andre.
Я нашел решение, которое делает первую часть этого с позитивной функцией lookbehind:
$regexp = (?<=[.!?] | [.!?][\'"]);
а затем
$sentences = preg_split($regexp, $paragraph, -1, PREG_SPLIT_NO_EMPTY);
что является отличной отправной точкой, но слишком много раз разбивается из-за множества сокращений.
Я попытался сделать это:
(?<=[.!?]\s[A-Z] | [.!?][\'"])
для того, чтобы нацеливать каждое событие либо
. or ! or ?
за которым следует пробел и заглавная буква, но это не сработало.
Кто-нибудь знает, есть ли способ выполнить то, что я пытаюсь сделать?
