替換所有的標點符號除了縮寫

我在PHP正則表達式替換一切，我不想用空格替換所有的標點符號除了縮寫

/[^a-z0-9\p{L}]/siu

但有這一個例外，我想繼續爲標點符號的縮寫。

例子：

FBIFederal.Bureau.of.Investigation => 'FBI聯邦統計局調查'

SWATTeam => '特勤隊'

應：

FBIFederal.Bureau.of.Investigation =>'FBI聯邦局調查'

S.W.A.T.Team =>'S.W.A.T.團隊「

PHP代碼：

$s = "F.B.I.Federal.Bureau.of.Investigation"; 
return preg_replace('/[^a-z0-9\p{L}]/siu', " ", $s);

所以邏輯是，它應該檢查的第一場比賽的第二個字符，如果它是一個」「。字符，然後不要替換。不知道這是否可能與正則表達式，然後我會很感激與PHP的替代。

來源

2017-08-03 Rumplin

其他縮寫呢？像「博士」，「夫人」等？ –

實際上，沒有可靠的方法來做到這一點。 –

@WiktorStribiżew嗯，很好的問題..我認爲這些會更難。我可以硬編碼這些忽略 – Rumplin

實際上，縮寫有很多種類型，正如Jon Stirling所說，這裏沒有真正的100％工作解決方案，因爲您需要一個可能的縮寫列表來篩選出來。您可以查看一下fancy regex solution by @ndn，並在那裏獲取與縮寫相關的模式部分。

如果你只需要處理這樣的問題的模式，你可以考慮使用

'~(\b(?:\p{Lu}\.){2,})|[^0-9\p{L}]~u'

或 - 如果D.Word也應被視爲一個縮寫：

'~(\b(?:\p{Lu}\.)+)|[^0-9\p{L}]~u'

與'$1 '取代。請參閱regex demo。

圖案的詳細資料：

(\b(?:\p{Lu}\.)+) - 第1組（後來與$1反向引用引用）：1次以上隨之出現任何Unicode大寫字母和一個圓點後
| - 或
[^0-9\p{L}] - 任何不是ASCII碼和Unicode字母的字符。

這裏是@ NDN的縮寫正則表達式的變體：

'~\b((?:[Ee]tc|St|Gen|Hon|Prof|Dr|Mr|Ms|Mrs|[JS]r|Col|Maj|Brig|Sgt|Capt|Cmnd|Sen|Rev|Rep|Revd|pp|[Vv]iz|i\.?\s*e|[Vvol]|[Rr]col|maj|Lt|[Ff]ig|[Ff]igs|[Vv]iz|[Vv]ols|[Aa]pprox|[Ii]ncl|Pres|[Dd]ept|min|max|[Gg]ovt|lb|ft|c\.?\s*f|vs|\p{Lu}(?:\.\p{Lu})+)\.)|[^0-9\p{L}]~'

見regex demo。

如果你不想刪除-，(和)，只要確保它們添加到否定字符類，有[^0-9\p{L}()-]更換[^0-9\p{L}]。

可以通過添加更多縮寫或通過縮小備選方案來增強更新。

來源

2017-08-03 12:24:08

這很好，只是'2015-2017'的一個問題，它也刪除了減號 – Rumplin

修復：[^ 0-9 \ p {L} \ - \）\（] – Rumplin

如果你想確保你做不刪除任何特定的字符，是的，你可以將它們添加到否定的字符類中，我更新了答案。 –

替換所有的標點符號除了縮寫

回答

相關問題