替换所有的标点符号除了缩写

我在PHP正则表达式替换一切，我不想用空格替换所有的标点符号除了缩写

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

但有这一个例外，我想继续为标点符号的缩写。

例子：

FBIFederal.Bureau.of.Investigation => 'FBI联邦统计局调查'

SWATTeam => '特勤队'

应：

FBIFederal.Bureau.of.Investigation =>'FBI联邦局调查'

S.W.A.T.Team =>'S.W.A.T.团队“

PHP代码：

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

所以逻辑是，它应该检查的第一场比赛的第二个字符，如果它是一个”“。字符，然后不要替换。不知道这是否可能与正则表达式，然后我会很感激与PHP的替代。

来源

2017-08-03 Rumplin

其他缩写呢？像“博士”，“夫人”等？ –

实际上，没有可靠的方法来做到这一点。 –

@WiktorStribiżew嗯，很好的问题..我认为这些会更难。我可以硬编码这些忽略 – Rumplin

实际上，缩写有很多种类型，正如Jon Stirling所说，这里没有真正的100％工作解决方案，因为您需要一个可能的缩写列表来筛选出来。您可以查看一下fancy regex solution by @ndn，并在那里获取与缩写相关的模式部分。

如果你只需要处理这样的问题的模式，你可以考虑使用

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

或 - 如果D.Word也应被视为一个缩写：

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

与'$1 '取代。请参阅regex demo。

图案的详细资料：

(\b(?:\p{Lu}\.)+) - 第1组（后来与$1反向引用引用）：1次以上随之出现任何Unicode大写字母和一个圆点后
| - 或
[^0-9\p{L}] - 任何不是ASCII码和Unicode字母的字符。

这里是@ NDN的缩写正则表达式的变体：

'~\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}]~'

见regex demo。

如果你不想删除-，(和)，只要确保它们添加到否定字符类，有[^0-9\p{L}()-]更换[^0-9\p{L}]。

可以通过添加更多缩写或通过缩小备选方案来增强更新。

来源

2017-08-03 12:24:08

这很好，只是'2015-2017'的一个问题，它也删除了减号 – Rumplin

修复：[^ 0-9 \ p {L} \ - \）\（] – Rumplin

如果你想确保你做不删除任何特定的字符，是的，你可以将它们添加到否定的字符类中，我更新了答案。 –

替换所有的标点符号除了缩写

回答

相关问题