PHP预匹配组重复

我有一个（php5.2和5.3）正则表达式，需要从用户帖子（可能包括电子邮件地址和超链接）中提取第一个$x句子，但我很难找出原因（是的，这是一个丑陋的正则表达式；我会在它起作用时对其进行优化）：

返回前四个句子，但是

/^(([^.!?]+|(\w+[.@?&=%:])+\w+)+[.!?]+\s){0,5}/

不返回匹配项。我的理解是，{0,5}应该在0到5次之间匹配前一个组，因此如果它只能匹配它4次，它仍然可以工作

有人能解释一下这种行为吗

更新：$x只是一个任意数字；在正则表达式中使用{0，$x}。帖子被过滤成由单个空格分隔的句子。对不起，我的表情很难看。。。这件事我已经调查了好几天了，现在我的脑子都在想。。。进行了sawa建议的更改。我的主要问题是关于行为，以及小组比赛的内容不应该那么重要

更新2：这基本上就是我正在做的：

function extractSummary($message, $limit) {
  $expr = '/^(([^.!?]+|(\w+[.@?&=%:])+\w+)+[.!?]+\s){0,'.$limit.'}/';
  $msg = preg_replace('/[\x00-\x1f\x80-\xff]/', "\n" strip_tags($message));
  $msg = trim(preg_replace('/(\n|\s| )+/', ' ', $msg)).' ';
  preg_match($expr, $msg, $summary);
  return $summary[0];
}

一个句子（至少在我看来，不必进入NLP领域，因为它只用于站点中的一个功能）可以是句号、感叹号或问号，但句号可以出现在URL的电子邮件地址中。这个正则表达式的最新版本只计算了5个周期，因此链接和电子邮件地址中断

---

更新3：意识到我刚刚添加了更可怕的代码，我将解释最后一个。一些发布的内容被发现有非打印字符（如\r等），不能很好地使用正则表达式，所以我用第一个preg_替换删除了非打印字符。第二个用一个空格替换任何进一步的空格组，因此句子希望只被一个空格分隔。

正则表达式以无条件匹配一个空格字符结束。如果输入中正好有5个句子，并且在最后一个句点后没有空格，第一个将匹配，但第二个将不匹配。

我识别的句子如下：

一句话是：

• 最短的句号、感叹号或问号
• （可选）后跟单引号或双引号
• 后面紧跟空格或字符串的结尾

空格或字符串结尾的要求考虑电子邮件地址中的句点，因为电子邮件地址中的句点不会出现在空格之前或字符串末尾

/[^ ](?:.*?[.!?]['"]*(?= |\z)){0,4}/

---

此已测试函数应实现以下功能：

函数获取句子（$text，$x）{
$regex=“/\A（？：*？[\w\“'][.？！]（？=['\“]？\s\$）{0，{$x}}/ms”；
if（preg_match（$regex，$text，$matches））返回$matches[0]；
返回“”；//从未到达此处（将始终匹配）。
}

以下是正则表达式的注释版本：

$regex='/#匹配前$x个句子，每个句子以[.？！]结尾
\锚定到弦的开头
（？：#要应用计数的非捕获组
*？#延迟匹配零个或多个字符。
[\w“\']”结尾前的最后一个字符是单词或引号。
[.？！]#句末押韵[.？！]
（？=[\'”]？\s |$）#但仅当后跟空格或EOL时
){0,5}#匹配从零到$x的句子。
/smx’；

---

请注意，这也处理以引号结尾的句子，例如

“this one.”

或

“this one！”

或“this one”？

什么是$x句子？post是什么样的？在这样做之前，您应该清理正则表达式。例如，您不需要

中最外面的一对括号（（\w+[…\w）

，您在捕获方面并不一致：有时您有

（…）

，而有时您有

（？：…）

。仅当您想提取该部分时才使用前者。我认为仅仅发布一个复杂的正则表达式并让人们遵循它是不礼貌的。感谢您遵循建议，但我认为一些例句是必要的，或者至少您应该告诉我们您作为一个句子的想法。一个句子仅仅是一个句点之前的序列吗？根据你所拥有的推测，情况可能并非如此。只有当句号是电子邮件地址的一部分时，才允许在一个句子中使用句号吗？定义一个句子的条件是什么？这并不能解释为什么它在第一个正则表达式中成功，而在第二个正则表达式中失败，正如Rodney所说。文章在结尾处插入了空格，在前面它在正则表达式中运行，以避免出现这种情况。这会导致不匹配，即使在基本情况下也是如此。尝试使用“这是一个句子。这是句子2。这个句子有一封电子邮件。address@domain.com.这有一个链接。这句话不应该出现在输出中。“是的，两个都试过了。更新之前，结果不是不匹配，但匹配是一个空字符串。这在正则表达式中是有意义的，但不是我想要的-我需要提取句子，而不是测试匹配。这只提取第一个句子。只需稍加修改，它就会得到前4个句子：/（*？[！？]）（？=\s））{0,4}/”，但当它遇到电子邮件地址或链接时仍然会中断。不处理以引号结尾的句子，例如像“这一个”这样的

。

或

他说：“它不起作用！”

我在哪里添加引号的问题上出错。我修复了它，编辑了整个答案。很好，但在包含链接的句子之前停止输出：例如“这是第一句，这是第二句，这是someone@somewhere.com三、“仅输出”这是第一句。这是第二句。“即使$x>2。@罗德尼：不。这对你的例子来说效果很好，结尾的标点符号后面必须跟空格或行尾。我的错误，输入了你的表达式。效果很好。谢谢！

/[^ ](?:.*?[.!?]['"]*(?= |\z)){0,4}/