Форумы портала PHP.SU :: Версия для печати :: Выделение предложений из текста

1. Vasser - 01 Марта, 2008 - 19:08:26 - перейти к сообщению

Доброе время, может кто поможет с сабжем? Стоит задача - выделить из текста предложения, как наиболее грамотно это сделать? Учитывая, что предложения могут кнчаться символами .?!, в предложении могут быть сюрпризы типа "бла-бла-бла .net блаб-бла-бла" или "бла-бла бла т.е. не совсем бла-бла" или "версия 5.2 выйдет..." Вроде бы задача обычная, но готового решения найти не могу...

2. valenok - 01 Марта, 2008 - 21:37:32 - перейти к сообщению

А как вы хотите чтоб скрипт понимал где конец предложения?
(Добавление)
Есть второй подход к решению вашей задачи:
2. А на кой чёрт это вообще нужно..

3. Vasser - 01 Марта, 2008 - 23:11:21 - перейти к сообщению

Где-то когда-то видел здоровенное регулярное выражение для определения имэйла в тексте, кто-то ж его написал, думал мож у кого и для предложений есть Не понял

Цитата:

Есть второй подход к решению вашей задачи:
2. А на кой чёрт это вообще нужно..

это не второй, это первый Радость

, к сожалению он чуток не катит

Конец предлжения для скрипта - .?![пробельный символ][БОЛЬШАЯ БУКВА или числительное], в регулярных пока вообще 0... Посимвольно проходить по тексту - можно, но некрасиво.

Вот такие вот у меня житейские проблемы.

4. valenok - 02 Марта, 2008 - 06:29:42 - перейти к сообщению

У имейла вид постоянный всегда, а у ваших предложений с сюрпризом может быть что угодно.
Во вторых вы не ответили зачем и действительно ли вам нужно выделять предложения.

5. Vasser - 03 Марта, 2008 - 01:43:40 - перейти к сообщению

Цитата:

У имейла вид постоянный всегда, а у ваших предложений с сюрпризом может быть что угодно.

вообще, предложение оно как бы тоже соответствует определенным требованиям, думал, может это классическая задача (выделить предложения) - оказалось нет...

Цитата:

Во вторых вы не ответили зачем и действительно ли вам нужно выделять предложения.

да, извините, не ответил: действительно нужно, задачу задали - выделить из текста предложения. Под предложениями я понимаю конструкции, удовлетворяющие обычным орфографичесим\синтаксическим (человеческим Улыбка

) требованиям к предложениям: начинается с большой буквы, заканчивается знаком препинания+[пробел или конец строки], может содержать "сюрпризы" типа .net, моб. или ул. и т п. Вот.

Сорри, у вас длина ссобщения 2кб максимум, сейчас 3 мессага сделаю

(Добавление)
Пока сделал так:

PHP:
скопировать код в буфер обмена

 
<?PHP 
 
$text = '
 
Это нормальный текст
 
Регулярные выражения пришли к нам из Unix и Perl. В PHP существует два различных механизма для обработки регулярных выражений: POSIX-совместимые и Perl-совместимые. Их синтаксис во многом похож, однако Perl-совместимые регулярные выражения более мощные и, к тому же, работают намного быстрее (в некоторых случаях до 10 раз быстрее). 
 
Круто, не правда ли!?
 
А дальше идут куски текста с сюрпризами 
 
Бла-бла-бла .net блаб-бла-бла .
Бла-бла бла т.е. не совсем бла-бла.
Версия 5.2 выйдет! Куда она денется!
Адрес: ул. Цурюпы, д. 12, кв.15, Нижний Тагил, моб. +1231234567.
Всё.
 
';
 
// это чтобы выделить заголовки в тексте как предложения (чтобы заголовки 
// попадали под мой рег.выр. надо поставить точку с пробелом после них)
$text = preg_replace('/\n{2,}/',"\n",$text);
$text = str_replace("\n", '. ', $text);
 
// omg! кодирую текст, чтобы исключить сокращения с точками, чтобы позже работало рег.выр.
$search = array(
        "т.к.",
        "т. к.",
        "т.е.",
        "т. е.",
        "г.",
        "ул.",
        "кв.",
        "д.",
        "тел.",
        "моб.",
        "дом."
);
$replace = array(
        "{[$%#tk1]}",
        "{[$%#tk2]}",
        "{[$%#te1]}",
        "{[$%#te2]}",
        "{[$%#g]}",
        "{[$%#ul]}",
        "{[$%#kv]}",
        "{[$%#d]}",
        "{[$%#tel]}",
        "{[$%#mob]}",
        "{[$%#dom]}"
);
$text = str_replace($search, $replace, $text);
 
// чтобы рег.выр.-у соответстовали первое и последнее предложение в тексте
$text = ' '.$text.' ';
 
// сам рег.выр.
$reg = '/([A-ZА-Я]+.+)[.!?]+[\s]+/sU';
preg_match_all($reg, $text, $strings, PREG_PATTERN_ORDER);
// это массив с предложениями, без знака препинания вконце, но ниче
$strings = $strings[1];
 
// декодируем предложения в нормальный вид
foreach($strings as $i => $string) $strings[$i] = str_replace($replace, $search, $string);
 
 
var_dump($strings);
 
 
?>
 

(Добавление)
по-моему извращенски, плюс почему-то str_ireplace в моем php5 не работает Огорчение

, но ничего...

Единственное - предложения возвращаются без конечных символов, по условию не оговорено, нужны ли они, но...

В общем пока это - самое толковое, что я придумал.

Скрипт возвращает

Цитата:

array(12) {
[0]=>
string(20) "Это нормальный текст"
[1]=>
string(48) "Регулярные выражения пришли к нам из Unix и Perl"
[2]=>
string(113) "В PHP существует два различных механизма для обработки регулярных выражений: POSIX-совместимые и Perl-совместимые"
[3]=>
string(166) "Их синтаксис во многом похож, однако Perl-совместимые регулярные выражения более мощные и, к тому же, работают намного быстрее (в некоторых случаях до 10 раз быстрее)"
[4]=>
string(19) "Круто, не правда ли"
[5]=>
string(40) "А дальше идут куски текста с сюрпризами "
[6]=>
string(30) "Бла-бла-бла .net блаб-бла-бла "
[7]=>
string(34) "Бла-бла бла т.е. не совсем бла-бла"
[8]=>
string(17) "Версия 5.2 выйдет"
[9]=>
string(16) "Куда она денется"
[10]=>
string(63) "Адрес: ул. Цурюпы, д. 12, кв.15, Нижний Тагил, моб. +1231234567"
[11]=>
string(3) "Всё"
}

Может что подскажете, чтоб лучше было ?
(Добавление)

мм, три мессага прикольно склеились в один Улыбка

- тогда извиняюсь за один большой мессаг