Einzelnen Beitrag anzeigen
  #4 (permalink)  
Alt 28-02-2011, 13:53
Benutzerbild von fireweasel fireweasel
 Registrierter Benutzer
Links : Onlinestatus : fireweasel ist offline
Registriert seit: Sep 2008
Ort: At home
Beiträge: 851
fireweasel wird schon bald berühmt werdenfireweasel wird schon bald berühmt werden
fireweasel eine Nachricht über AIM schicken fireweasel eine Nachricht über Yahoo! schicken
Standard

Zitat:
Zitat von TommyD Beitrag anzeigen
Guten Morgen,

der Text kann alles Mögliche sein. HTML höchstens wenn per BBCode ein Hyperlink vorkommt.
Irgendwelches Markup-Zeug im Fließtext kompliziert meist die saubere Erkennung. Wir ignorieren daher die BBCode-Bestandteile erstmal.

Zitat:
Normalerweise wären die Begrenzer um einen Text herum der Punk vor und am Ende des Satzes.
Das ist zwar der Standard, macht aber eben Schwierigkeiten, wenn typografisch korrekte Abkürzungen mit Punkten verwendet werden, wie "Dr.", "F. D. P." und ähnliches. Außerdem gehe ich mal davon aus, dass auch Frage- und Ausrufezeichen Sätze beenden dürfen.

PHP-Code:
/// return array() | NULL
function search(
    
$needle/// string to search for
    
$haystack/// string to search in
    
$type /// 0: sentences 1: paragraphs
) {
    if (!
is_string($needle) || !is_string($haystack)) {
        return 
NULL;
    }

    
$pcre sprintf(
        
// wichtig: keine Option /x verwenden, da preg_quote() anscheinend
        // Leerzeichen nicht escaped
        
$type === 1
            
// Absaetze
            
'/(?:\A|(?:\r?\n){2,})\s*\K(?:[^\r\n]|\r?\n(?![\r\n]))*?(%s)'.
              
'(?:[^\r\n]|\r?\n(?![\r\n]))*?(?=(?:\r?\n){2,}|\s*\z)/is'

            
// Saetze
            
'/(?:\A|[.!?]\s)\s*\K(?:(?:[^.!?]|[.!?](?!\s))*?)(%s)'.
              
'(?:.*?(?:[.!?](?=\s|\z)|\z))/is',
        
preg_quote(trim($needle), '/')
    );
    return (bool) 
preg_match($pcre$haystack$hits) ? $hits NULL;

Falls der Suchstring ($query) entsprechende Satz- oder Absatz-Trennzeichenkombinationen enthält, werden beide (Ab-)Sätze gefunden.

Wie schon erwähnt, machen Abkürzungen mit Punkten Schwierigkeiten, wenn die Satz-Ende-Erkennung benutzt wird.

Man kann das umgehen, wenn man den zu durchsuchenden Text ($haystack) so präpariert, dass Satz-Enden sich von Abkürzungen mit Punkt unterscheiden. Ein gängiges Verfahren dazu ist, nach einem Satz-Ende-Punkt, mindestens zwei Leerzeichen zu setzen.

Der andere Weg wäre, dem RegEx die Erkennung aufzubürden, das könnte mit Abkürzungen funktionieren, bei denen nur Einzelbuchstaben vorkommen ("F. D. P.").

Bei mehr Buchstaben (wie "Dr.", "Prof.") bräuchte man dann zusätzlich eine Liste der Strings, die Abkürzungen darstellen, weil es (wenn auch selten) Sätze gibt wie "Oh.", die keine Abkürzungen sind. Spätestens da stoßen reguläre Ausdrücke an ihre Grenzen.
Mit Zitat antworten