preg_split() Text nach Zeichen splitten, aber nicht bei bestimmten Wörtern

[HenryH]

Hi,
ich möchte mit preg_split() einen String aufsplitten. Trenner sollen die Zeichen .,! sowie Zeilenumbruch sein.

Mit

$split = preg_split("/[\.,!] |\n/", $text, -1, PREG_SPLIT_NO_EMPTY ); 

klappt das so weit auch wunderbar.

Jetzt kommen in manchen Texten aber Abkürzungen vor, die die vorgenannten Zeichen (z.B. einen Punkt) enthalten, bei denen nicht getrennt werden soll.

Beispiel:

$text = "Lederjacke! Bordeaux, imprägniert, inkl. Innenfutter mit Reißverschluss, 1 Jahr alt";

$split = preg_split("/[\.,!] |\n/", $text, -1, PREG_SPLIT_NO_EMPTY );
foreach($split as $splittext)
{
    $x .= $br . $splittext;
    $br = "<br />";
}    
echo $x; 

ergibt:
Lederjacke
Bordeaux
imprägniert
[COLOR=blue]inkl
Innenfutter mit Reißverschluss[/COLOR]
Sonderpreis

So hätte ich es gerne:
Lederjacke
Bordeaux
imprägniert
[COLOR=darkred]inkl. Innenfutter mit Reißverschluss[/COLOR]
Sonderpreis


Wie muss ich nun den Ausdruck gestalten, dass die Worte "inkl." und "incl." nicht zum Trennen des Textes führen?

Gruß
Henry

[jmc]

Stichwort negativer lookahead, bzw. lookbehind.

[fireweasel]

Re: preg_split() Text nach Zeichen splitten, aber nicht bei bestimmten Wörtern

Original geschrieben von HenryH
Hi,
ich möchte mit preg_split() einen String aufsplitten. (...) Beispiel:

$text = "Lederjacke! Bordeaux, imprägniert, inkl. Innenfutter mit Reißverschluss, 1 Jahr alt";

$split = preg_split("/[\.,!] |\n/", $text, -1, PREG_SPLIT_NO_EMPTY );
foreach($split as $splittext)
{
    $x .= $br . $splittext;
    $br = "<br />";
}    
echo $x; 

Warum mit preg_split()? Wenn du einfach die "Trennzeichen" ersetzen willst, tuts doch auch preg_replace():

$text = 'Punkt. Punkt. Test incl. Lederjacke! Bordeaux, imprägniert, '.
        'inkl. Innenfutter mit Reißverschluss, 1 Jahr alt';

$x = preg_replace('/(?:[,!]|(?<!in[ck]l)\.)\s+/', '<br />', $text); 

Wie muss ich nun den Ausdruck gestalten, dass die Worte "inkl." und "incl." nicht zum Trennen des Textes führen?

'/               # finde
  (              # entweder
  [,!]           # Komma, Ausrufezeichen
  |              # ODER
  (?<!in[ck]l)\. # Punkt, vor dem KEIN "inkl"|"incl" steht
  )              #
  \s+            # UND dazu ein bis mehrere Leerzeichen (Whitespace)
/x'

(Fehlende Backslashes bitte wie immer aus der Zitat-Ansicht holen ...)

Du solltest aber bedenken, dass dieser Trick nur bei gleichlangen Buchstabenfolgen vor dem Punkt funktioniert. Die negative Lookbehind-Assertion "(?<! ... )" funktioniert nämlich nur in Ausnahmefällen mit variablen Längen -- "inkl" und "incl" sind zufälligerweise gleich lang, da stellt das kein Problem dar.

[HenryH]

Hi,
vielen Dank schon mal für die Tipps. Das scheint in die richtige Richtung zu gehen, funktioniert aber nach dem Beispiel von fireweasel noch nicht so ganz.

Ergebnis mit preg_split():

Lederjacke! Bordeaux, imprägniert, inkl. Innenfutter mit Reißve
chl
, Sonderpre

preg_split() verwende ich deshalb, weil ich die Zeichen nicht ersetzen, sondern in ein Array schreiben will. Ich habe das, um es nicht zu komplizieren, gegen <br /> ersetzt, u.a. damit man den Erfolg auch gleich betrachten kann. So habe ich wohl ein Mißverständnis geschaffen.

Ich habe damit nun noch ein wenig weiter rumexperimentiert , komme aber nicht wirklich weiter.

@fireweasel
hast Du da noch eine Idee, was ich tun muß?

Gruß
Henry

[fireweasel]

Original geschrieben von HenryH
...
preg_split() verwende ich deshalb, weil ich die Zeichen nicht ersetzen, sondern in ein Array schreiben will. Ich habe das, um es nicht zu komplizieren, gegen <br /> ersetzt, u.a. damit man den Erfolg auch gleich betrachten kann. So habe ich wohl ein Mißverständnis geschaffen.

Ja, so könnte man das wohl ausdrücken. ;-)

Ich habe damit nun noch ein wenig weiter rumexperimentiert , komme aber nicht wirklich weiter.

Hmmm, ich finde keinen Fehler ...
Ich hab exakt den gleichen PCRE mit preg_split() eingesetzt, also:

$teile = preg_split('/(?:[,!]|(?<!in[ck]l)\.)\s+/', $text); 

... und bekomme damit auch das gleiche Ergebnis, nur eben als PHP-Array ohne die <br />-Elemente.
Wichtig:
1. Keine weiteren Parameter für preg_split().
2. Hole dir den PCRE aus der Zitat-Ansicht, sonst fällt der Backslash unter den Tisch, der hier sehr wichtig ist, er macht nämlich aus dem Zeichen mit Spezialbedeutung "."[1] einen gewönlichen Punkt.
--
[1] "." Bedeutet in regulären Ausdrücken üblicherweise: (Fast) jedes beliebige Zeichen.

[DeSena]

Trennungszeichen mit preg_replace behalten

Hi Fireweasel,


Dein Skript

$text = 'Punkt. Punkt. Test incl. Lederjacke! Bordeaux, imprägniert, '. 
        'inkl. Innenfutter mit Reißverschluss, 1 Jahr alt'; 

$x = preg_replace('/(?:[,!]|(?<!in[ck]l)\.)\s+/', '<br />', $text); 

funkioniert wunderbar.

Die Frage wäre, wie kann man die Trennungszeichen dabei behalten, sodass

für ":" => ':<br />', $text);
für "?" => '?<br />', $text);
für "." => '.<br />', $text);

usw. 

Und, um alles schwieriger zu machen, hier

$x = preg_replace('/(?:[,!]|(?<!in[ck]l)\.)\s+/', '<br />', $text);  


sollten auch andere Abkürzung enthalten sein:

u.a., z.B., usw., Nr., 1., 2., 3., 4., 5., 6., 7., 8., 9., 10. 

Mir fällt gerade WENN, IF, ELSE... mal sehen wie das aussehen könnte

[wahsaga]

Die Frage wäre, wie kann man die Trennungszeichen dabei behalten

Stichwort: Back-References