使用CONSTRINT[PHP正则表达式HTML]将字符串拆分为较小的部分

我需要将长字符串拆分为具有以下约束的数组：

• 输入将是HTML字符串，可以是整页或部分
• 每个部分（新字符串）的字符数有限（例如不超过8000个字符）
• 每个部分可以包含多个句子（由[full stop]分隔），但不能包含部分句子除非字符串的最后一部分（因为最后一部分可能没有句号）
• 字符串包含HTML标记。但是标记不能划分为（
  到
  ）。这意味着HTML标记应该是完整的。但是起始标记和结束标记可以保留在不同的段/块上
• 如果任何中间句子的长度大于所需的长度，则前导和尾随标记以及空格应位于数组的不同部分。即使在这样做之后，如果句子较长，则将其划分为数组的多个元素：(
• 请注意：无需解析HTML，只需解析标记（如或等）

我认为带preg_split的正则表达式可以做到这一点。请帮助我使用合适的正则表达式。除正则表达式之外的任何解决方案也欢迎使用

多谢各位

---

Sadi

不幸的是，html是一种不规则的语言，这意味着您不能用一个正则表达式来解析它。另一方面，如果输入总是相似的，或者您只需要解析某些部分，这并没有什么问题。对该正则表达式的迭代会生成元素名称及其内容：

'~<(?P<element>\s+)(?P<attributes>[^>]*)>(?:(?P<content>.*?)</\s+>)?~'

“~]*）>（？：（？P.*）？~”

如果我错了，请纠正我的错误，但我认为您不能用简单的regexp来实现这一点。在完整的regexp实现中，您可以使用以下内容：

$parts = preg_split("/(?<!<[^>]*)\./", $input);

$parts=preg\u split（“/（？]*）\./”，$input）；

但是php不允许非固定长度的查找，所以这是行不通的。显然，只有jgsoft和.NETregexp两个允许

我的处理方法是：

function splitStringUp($input, $maxlen) {
    $parts = explode(".", $input);
    $i = 0;
    while ($i < count($parts)) {
        if (preg_match("/<[^>]*$/", $parts[$i])) {
            array_splice($parts, $i, 2, $parts[$i] . "." . $parts[$i+1]);
        } else {
            if ($i < (count($parts) - 1) && strlen($parts[$i] . "." . $parts[$i+1]) < $maxlen) {
                array_splice($parts, $i, 2, $parts[$i] . "." . $parts[$i+1]);
            } else {
                $i++;
            }
        }
    }
    return $parts;
}

函数splitStringUp（$input，$maxlen）{
$parts=分解（“.”，$input）；
$i=0；
而（$i

你没有提到当一个句子的长度>8000个字符时，你希望发生什么，所以这只是让它们保持不变

样本输出：

splitStringUp("this is a sentence. this is another sentence. this is an html <a href=\"a.b.c\">tag. and the closing tag</a>. hooray", 8000);
array(1) {
  [0]=> string(114) "this is a sentence. this is another sentence. this is an html <a href="a.b.c">tag. and the closing tag</a>. hooray"
}

splitStringUp("this is a sentence. this is another sentence. this is an html <a href=\"a.b.c\">tag. and the closing tag</a>. hooray", 80);
array(2) {
  [0]=> string(81) "this is a sentence. this is another sentence. this is an html <a href="a.b.c">tag"
  [1]=> string(32) " and the closing tag</a>. hooray"
}

splitStringUp("this is a sentence. this is another sentence. this is an html <a href=\"a.b.c\">tag. and the closing tag</a>. hooray", 40);
array(4) {
  [0]=> string(18) "this is a sentence"
  [1]=> string(25) " this is another sentence"
  [2]=> string(36) " this is an html <a href="a.b.c">tag"
  [3]=> string(32) " and the closing tag</a>. hooray"
}

splitStringUp("this is a sentence. this is another sentence. this is an html <a href=\"a.b.c\">tag. and the closing tag</a>. hooray", 0);
array(5) {
  [0]=> string(18) "this is a sentence"
  [1]=> string(25) " this is another sentence"
  [2]=> string(36) " this is an html <a href="a.b.c">tag"
  [3]=> string(24) " and the closing tag</a>"
  [4]=> string(7) " hooray"
}

splitStringUp（“这是一个句子。这是另一个句子。这是一个html.hooray”，8000）；
阵列（1）{
[0]=>string（114）“这是一个句子。这是另一个句子。这是一个html。万岁”
}
splitStringUp（“这是一个句子。这是另一个句子。这是一个html.hooray”，80）；
阵列（2）{
[0]=>string（81）“这是一个句子。这是另一个句子。这是一个html。万岁”
}
splitStringUp（“这是一个句子。这是另一个句子。这是一个html.hooray”，40）；
阵列（4）{
[0]=>字符串（18）“这是一个句子”
[1] =>字符串（25）“这是另一个句子”
[2] =>string（36）“这是一个html.hooray”
}
splitStringUp（“这是一个句子。这是另一个句子。这是一个html.hooray”，0）；
阵列（5）{
[0]=>字符串（18）“这是一个句子”
[1] =>字符串（25）“这是另一个句子”
[2] =>字符串（36）“这是一个html”
[4] =>字符串（7）“万岁”
}

实际上我不关心HTML。我关心标签。标签以

开始，以code>结束。这就足够了。除正则表达式之外的任何解决方案都可以。我会尝试你的答案。谢谢你的时间：）哦！不要忘记每个新字符串的长度。这是最重要的部分对不起！我忘了提那件事。我要更新这一点。看起来你的解决方案放弃了句号：P添加句号不会有问题（我想）：）是的，只要添加一个。在每个部分的末尾：）您好，请添加约束条件：如果任何中间句子的长度大于所需长度，则前导和尾随标记以及空格应位于数组的不同部分。即使这样做了，如果句子更长，那么将它分成数组的多个元素：（对不起，我不知道你的意思。这听起来很复杂，你应该可以自己修改我的代码来完成这项工作。毕竟，它包含了你需要做的所有元素。