如何选择一个句子的前10个单词？

Question

我如何从输出中仅选择前10个字？

Answer 1

implode(' ', array_slice(explode(' ', $sentence), 0, 10));

要增加对其他分词符（例如逗号和破折号）的支持，可以preg_match提供一种快速的方法，并且不需要拆分字符串：

function get_words($sentence, $count = 10) {

  preg_match("/(?:\w+(?:\W+|$)){0,$count}/", $sentence, $matches);

  return $matches[0];

}

作为Pebbl提到，PHP不处理UTF-8或Unicode那么好，所以如果这是一个问题，那么你可以替换\w为[^\s,\.;\?\!]与\W对[\s,\.;\?\!]。

Answer 2

如果在句子结构中有一个意外的字符代替空格，或者如果句子包含多个连在一起的空格，则仅对空格进行拆分将无法正常工作。

无论您在单词之间使用哪种“空格”，以下版本都可以使用，并且可以轻松扩展以处理其他字符...它目前支持任何空格字符加，。; ？！

function get_snippet( $str, $wordCount = 10 ) {

  return implode( 

    '', 

    array_slice( 

      preg_split(

        '/([\s,\.;\?\!]+)/', 

        $str, 

        $wordCount*2+1, 

        PREG_SPLIT_DELIM_CAPTURE

      ),

      0,

      $wordCount*2-1

    )

  );

}

正则表达式非常适合此问题，因为您可以轻松地使代码随心所欲地灵活或严格。但是，您一定要小心。我专门针对上述单词之间的差异（而不是单词本身）进行了上述处理，因为很难明确地说明单词的定义。

取\w边界一词或其倒数\W。我很少依赖这些，主要是因为-根据您使用的软件（例如某些版本的PHP）- 它们并不总是包含UTF-8或Unicode字符。

在正则表达式中，最好始终保持具体。这样，无论在何处呈现表达式，表达式都可以处理以下内容：

echo get_snippet('Это не те дроиды, которые вы ищете', 5);

/// outputs: Это не те дроиды, которые

但是，就性能而言，避免拆分可能是值得的。所以，你可以用凯利的更新方法，但切换\w为[^\s,\.;\?\!]+与\W对[\s,\.;\?\!]+。尽管就我个人而言，我喜欢上面使用的拆分表达式的简单性，但它更易于阅读和修改。但是，PHP函数的堆栈有点难看:)