Определение номера главы в разных типах текста

Я тяну заголовки из романных сообщений. Цель состоит в том, чтобы с помощью регулярного выражения определить, в каких главах находится сообщение. Каждый сайт использует разные способы идентификации глав. Вот наиболее распространенные случаи:

$title = 'text chapter 25.6 text'; // c25.6
$title = 'text chapters 23, 24, 25 text'; // c23-25
$title = 'text chapters 23+24+25 text'; // c23-25
$title = 'text chapter 23, 25 text'; // c23 & 25
$title = 'text chapter 23 & 24 & 25 text'; // c23-25
$title = 'text c25.5-30 text'; // c25.5-30
$title = 'text c99-c102 text'; // c99-102
$title = 'text chapter 99 - chapter 102 text'; // c99-102
$title = 'text chapter 1 - 3 text'; // c1-3
$title = '33 text chapter 1, 2 text 3'; // c1-2
$title = 'text v2c5-10 text'; // c5-10
$title = 'text chapters 23, 24, 25, 29, 31, 32 text'; // c23-25 & 29 & 31-32

Номера глав всегда указаны в названии, только в разных вариантах, как показано выше.

Что я до сих пор

До сих пор у меня есть регулярное выражение для определения отдельных случаев глав, например:

$title = '9 text chapter 25.6 text'; // c25.6

Используя этот код (попробуйте ideone):

function get_chapter($text, $terms) {

    if (empty($text)) return;
    if (empty($terms) || !is_array($terms)) return;

    $values = false;

    $terms_quoted = array();
    foreach ($terms as $term)
        $terms_quoted[] = preg_quote($term, '/');

    // search for matches in $text
    // matches with lowercase, and ignores white spaces...
    if (preg_match('/('.implode('|', $terms_quoted).')\s*(\d+(\.\d+)?)/i', $text, $matches)) {
        if (!empty($matches[2]) && is_numeric($matches[2])) {
            $values = array(
                'term' => $matches[1],
                'value' => $matches[2]
            );
        }
    }

    return $values;
}

$text = '9 text chapter 25.6 text'; // c25.6
$terms = array('chapter', 'chapters');
$chapter = get_chapter($text, $terms);

print_r($chapter);

if ($chapter) {
    echo 'Chapter is: c'. $chapter['value'];
}

Как мне сделать эту работу с другими примерами, перечисленными выше? Учитывая сложность этого вопроса, я наберу его 200 очков, если это будет приемлемым.

Ответ 1

логика

Я предлагаю следующий подход, который сочетает в себе регулярное выражение и общую логику обработки строк:

  • используйте preg_match с соответствующим регулярным выражением, чтобы соответствовать первому вхождению всего фрагмента текста, начиная с ключевого слова из массива $terms до последнего номера (+ необязательная буква раздела), относящегося к термину
  • как только совпадение получено, создайте массив, который содержит входную строку, значение соответствия и совпадение после обработки
  • пост-обработка может быть сделана путем удаления пробелов между числами дефиса и восстанавливая числовые диапазонами в случае чисел, соединенных с +, & или , символами. Для этого требуется многоступенчатая операция: 1) сопоставить подстроки дефиса -separated в предыдущем совпадающем совпадении и обрезать ненужные нули и пробелы, 2) разделить числовые фрагменты на отдельные элементы и передать их отдельной функции, которая будет генерировать числовые диапазоны
  • buildNumChain($arr) создаст диапазоны чисел и, если буква будет следовать за числом, преобразует ее в суффикс section X

Решение

Вы можете использовать

$strs = ['c0', 'c0-3', 'c0+3', 'c0 & 9', 'c0001, 2, 03', 'c01-03', 'c1.0 - 2.0', 'chapter 2A Hello', 'chapter 2AHello', 'chapter 10.4c', 'chapter 2B', 'episode 23.000 & 00024', 'episode 23 & 24', 'e23 & 24', 'text c25.6 text', '001 & 2 & 5 & 8-20 & 100 text chapter 25.6 text 98', 'hello 23 & 24', 'ep 1 - 2', 'chapter 1 - chapter 2', 'text chapter 25.6 text', 'text chapters 23, 24, 25 text','text chapter 23, 25 text', 'text chapter 23 & 24 & 25 text','text c25.5-30 text', 'text c99-c102 text', 'text chapter 1 - 3 text', '33 text chapter 1, 2 text 3','text chapters 23, 24, 25, 29, 31, 32 text', 'c19 & c20', 'chapter 25.6 & chapter 29', 'chapter 25+c26', 'chapter 25 + 26 + 27'];
$terms = ['episode', 'chapter', 'ch', 'ep', 'c', 'e', ''];

usort($terms, function($a, $b) {
    return strlen($b) - strlen($a);
});

$chapter_main_rx = "\b(?|" . implode("|", array_map(function ($term) {
    return strlen($term) > 0 ? "(" . substr($term, 0, 1) . ")(" . substr($term, 1) . "s?)": "()()" ;},
  $terms)) . ")\s*";
$chapter_aux_rx = "\b(?:" . implode("|", array_map(function ($term) {
    return strlen($term) > 0 ? substr($term, 0, 1) . "(?:" . substr($term, 1) . "s?)": "" ;},
  $terms)) . ")\s*";

$reg = "~$chapter_main_rx((\d+(?:\.\d+)?(?:[A-Z]\b)?)(?:\s*(?:[,&+-]|and)\s*(?:$chapter_aux_rx)?(?4))*)~ui";

foreach ($strs as $s) {
    if (preg_match($reg, $s, $m)) {
        $p3 = preg_replace_callback(
            "~(\d*(?:\.\d+)?)([A-Z]?)\s*-\s*(?:$chapter_aux_rx)?|(\d+(?:\.\d+)?(?:[A-Z]\b)?)(?:\s*(?:[,&+]|and)\s*(?:$chapter_aux_rx)?(?1))*~ui", function($x) use ($chapter_aux_rx) {
                return (isset($x[3]) && strlen($x[3])) ? buildNumChain(preg_split("~\s*(?:[,&+]|and)\s*(?:$chapter_aux_rx)?~ui", $x[0])) 
                : ((isset($x[1]) && strlen($x[1])) ? ($x[1] + 0) : "") . ((isset($x[2]) && strlen($x[2])) ? ord(strtolower($x[2])) - 96 : "") . "-";
            }, $m[3]);
        print_r(["original" => $s, "found_match" => trim($m[0]), "converted" => $m[1] . $p3]);
        echo "\n";
    } else {
        echo "No match for '$s'!\n";

    }
}

function buildNumChain($arr) {
    $ret = "";
    $rngnum = "";
    for ($i=0; $i < count($arr); $i++) {
        $val = $arr[$i];
        $part = "";
        if (preg_match('~^(\d+(?:\.\d+)?)([A-Z]?)$~i', $val, $ms)) {
            $val = $ms[1];
            if (!empty($ms[2])) {
                $part = ' part ' . (ord(strtolower($ms[2])) - 96);
            }
        }
        $val = $val + 0;
        if (($i < count($arr) - 1) && $val == ($arr[$i+1] + 0) - 1) {
            if (empty($rngnum))  {
                $ret .= ($i == 0 ? "" : " & ") . $val;
            }
            $rngnum = $val;
        } else if (!empty($rngnum) || $i == count($arr)) {
            $ret .= '-' . $val;
            $rngnum = "";
        } else {
            $ret .= ($i == 0 ? "" : " & ") . $val . $part;
        }
    }
    return $ret;
}

См. Демо-версию PHP.

Основные моменты

  • Сопоставьте c или chapter/chapters с номерами, которые следуют за ними, запишите только c и цифры
  • После того, как найдены совпадения, группа процессов 2, которая содержит числовые последовательности
  • Все подстроки <number>-c?<number> должны быть лишены пробелов и c до/между номерами и
  • Все ,/& -separated цифры должны быть после обработки с buildNumChain, который генерирует диапазоны из последовательных чисел (целые числа считаются).

Основное регулярное выражение будет выглядеть так: $terms = ['episode', 'chapter', 'ch', 'ep', 'c', 'e', '']:

'~(?|(e)(pisodes?)|(c)(hapters?)|(c)(hs?)|(e)(ps?)|(c)(s?)|(e)(s?)|()())\s*((\d+(?:\.\d+)?(?:[A-Z]\b)?)(?:\s*(?:[,&+-]|and)\s*(?:(?:e(?:pisodes?)|c(?:hapters?)|c(?:hs?)|e(?:ps?)|c(?:s?)|e(?:s?)|)\s*)?(?4))*)~ui'

См. Демо-версию regex.

Сведения о шаблоне

  • (?|(e)(pisodes?)|(c)(hapters?)|(c)(hs?)|(e)(ps?)|(c)(s?)|(e)(s?)|()()) - группа сброса ветвей, которая захватывает первую букву поискового термина и фиксирует остальную часть срока в обязательную группу 2. Если есть пустой термин, добавляются ()(), чтобы убедиться ветки в группе содержат одинаковое количество групп
  • \s* - 0+ пробелы
  • ((\d+(?:\.\d+)?(?:[AZ]\b)?)(?:\s*(?:[,&+-]|and)\s*c?(?3))*) - Группа 2:
    • (\d+(?:\.\d+)?(?:[AZ]\b)?) - Группа 3: цифры 1+, а затем необязательная последовательность . , 1+, а затем необязательную ASCII-букву, за которой следует неглавный символ или конец строки (обратите внимание, что нечувствительный к регистру модификатор сделает [AZ] также соответствующими строчными буквами ASCII)
    • (?:\s*(?:[,&+-]|and)\s*(?:(?:e(?:pisodes?)|c(?:hapters?)|c(?:hs?)|e(?:ps?)|c(?:s?)|e(?:s?)|)\s*)?(?4))* - нуль или несколько последовательностей
      • \s*(?:[,&+-]|and)\s* - это ,, &, +, - или and заключен с дополнительными 0+ непечатаемых
      • (?:e(?:pisodes?)|c(?:hapters?)|c(?:hs?)|e(?:ps?)|c(?:s?)|e(?:s?)|) - любое из терминов с добавленными необязательными множественными окончаниями s
      • (?4) - Группа 4 повторяется/повторяется

Когда регулярное выражение совпадает, значение группы 1 равно c, поэтому оно будет первой частью результата. Затем,

 "~(\d*(?:\.\d+)?)([A-Z]?)\s*-\s*(?:$chapter_aux_rx)?|(\d+(?:\.\d+)?(?:[A-Z]\b)?)(?:\s*(?:[,&+]|and)\s*(?:$chapter_aux_rx)?(?1))*~ui"

используется внутри preg_replace_callback для удаления пробелов между ними - (если есть) и терминов (если есть), за которыми следуют символы пробела 0+, и если группа 1 соответствует, совпадение делится на

"~\s*(?:[,&+]|and)\s*(?:$chapter_aux_rx)?~ui"

регулярное выражение (оно соответствует &, ,, + или and между дополнительным 0+ непечатаемыми следует с 0+ пробельными символами, а затем необязательная строка, термины, а затем с помощью 0+ пробельные) и массив передается buildNumChain функции, которая строит результирующая строка.

Ответ 2

Я думаю, что очень сложно создать что-то подобное, не выдавая ложных срабатываний, поскольку некоторые из шаблонов могут содержаться в заголовке, и в этих случаях они будут обнаруживаться кодом.

В любом случае, я предложу одно решение, которое может быть вам интересно, поэкспериментируйте с ним, когда у вас есть время. Я не проверял это глубоко, поэтому, если вы обнаружите какие-либо проблемы с этой реализацией, дайте мне знать, и я постараюсь найти решение.

Глядя на ваши шаблоны, все они могут быть разделены на две большие группы:

  • с одного номера на другой номер (G1)
  • одно или несколько чисел, разделенных запятыми, знаком плюс или амперсандом (G2)

Итак, если мы можем разделить эти две группы, мы можем относиться к ним по-разному. В следующих заголовках я постараюсь получить номера глав следующим образом:

+-------------------------------------------+-------+------------------------+
| TITLE                                     | GROUP | EXTRACT                |
+-------------------------------------------+-------+------------------------+
| text chapter 25.6 text                    |  G2   | 25.6                   |
| text chapters 23, 24, 25 text             |  G2   | 23, 24, 25             |
| text chapters 23+24+25 text               |  G2   | 23, 24, 25             |
| text chapter 23, 25 text                  |  G2   | 23, 25                 |
| text chapter 23 & 24 & 25 text            |  G2   | 23, 24, 25             |
| text c25.5-30 text                        |  G1   | 25.5 - 30              |
| text c99-c102 text                        |  G1   | 99 - 102               |
| text chapter 99 - chapter 102 text        |  G1   | 99 - 102               |
| text chapter 1 - 3 text                   |  G1   | 1 - 3                  |
| 33 text chapter 1, 2 text 3               |  G2   | 1, 2                   |
| text v2c5-10 text                         |  G1   | 5 - 10                 |
| text chapters 23, 24, 25, 29, 31, 32 text |  G2   | 23, 24, 25, 29, 31, 32 |
| text chapters 23 and 24 and 25 text       |  G2   | 23, 24, 25             | 
| text chapters 23 and chapter 30 text      |  G2   | 23, 30                 | 
+-------------------------------------------+-------+------------------------+

Чтобы извлечь только количество глав и дифференцировать их, одним из решений может быть создание регулярного выражения, которое захватывает две группы для диапазонов глав (G1) и одну группу для чисел, разделенных символами (G2). После извлечения номеров глав мы можем обработать результат, чтобы показать правильно отформатированные главы.

Вот код:

Я видел, что вы все еще добавляете больше случаев в комментарии, которые не содержатся в вопросе. Если вы хотите добавить новый случай, просто создайте новый соответствующий шаблон и добавьте его в окончательное регулярное выражение. Просто следуйте правилу двух соответствующих групп для диапазонов и одной подходящей группы для чисел, разделенных символами. Кроме того, примите во внимание, что самые подробные образцы должны быть расположены перед меньшими. Например, ccc N - ccc N должен быть расположен перед cc N - cc N, а последний - перед c N - c N.

$model = ['chapters?', 'chap', 'c']; // different type of chapter names
$c = '(?:' . implode('|', $model) . ')'; // non-capturing group for chapter names
$n = '\d+\.?\d*'; // chapter number
$s = '(?:[\&\+,]|and)'; // non-capturing group of valid separators
$e = '[ $]'; // end of a match (a space or an end of a line)

// Different patterns to match each case
$g1 = "$c *($n) *\- *$c *($n)$e"; // match chapter number - chapter number in all its variants (G1)
$g2 = "$c *($n) *\- *($n)$e"; // match chapter number - number in all its variants (G1)
$g3 = "$c *((?:(?:$n) *$s *)+(?:$n))$e"; // match chapter numbers separated by something in all its variants (G2) 
$g4 = "((?:$c *$n *$s *)+$c *$n)$e"; // match chapter number and chater number ... and chapter numberin all its variants (G2)
$g5 = "$c *($n)$e"; // match chapter number in all its variants (G2)

// Build a big non-capturing group with all the patterns
$reg = "/(?:$g1|$g2|$g3|$g4|$g5)/";

// Function to process each title
function getChapters ($title) {

    global $n, $reg;
    // Store the matches in one flatten array
    // arrays with three indexes correspond to G1
    // arrays with two indexes correspond to G2
    if (!preg_match($reg, $title, $matches)) return '';
    $numbers = array_values(array_filter($matches));

    // Show the formatted chapters for G1
    if (count($numbers) == 3) return "c{$numbers[1]}-{$numbers[2]}";

    // Show the formatted chapters for G2        
    if(!preg_match_all("/$n/", $numbers[1], $nmatches, PREG_PATTERN_ORDER)) return '';
    $m = $nmatches[0];
    $t = count($m);
    $str = "c{$m[0]}";
    foreach($m as $i => $mn) {
        if ($i == 0) continue;
        if ($mn == $m[$i - 1] + 1) {
            if (substr($str, -1) != '-') $str .= '-';
            if ($i == $t - 1 || $mn != $m[$i + 1] - 1) $str .= $mn;
        } else {
            if ($i < $t) $str .= ' & ';
            $str .= $mn;
        }
        return $str;
    }

}

Вы можете проверить код, работающий на Ideone.

Ответ 3

Попробуйте это. Кажется, нужно работать с приведенными примерами и еще кое-что:

<?php

$title[] = 'c005 - c009'; // c5-9
$title[] = 'c5.00 & c009'; // c5 & 9
$title[] = 'text c19 & c20 text'; //c19-20
$title[] = 'c19 & c20'; // c19-20
$title[] = 'text chapter 19 and chapter 25 text'; // c19 & 25
$title[] = 'text chapter 19 - chapter 23 and chapter 25 text'; // c19-23 & 25 (c19 for termless)
$title[] = 'text chapter 19 - chapter 23, chapter 25 text'; // c19-23 & 25 (c19 for termless)
$title[] = 'text chapter 23 text'; // c23
$title[] = 'text chapter 23, chapter 25-29 text'; // c23 & 25-29
$title[] = 'text chapters 23-26, 28, 29 + 30 + 32-39 text'; // c23-26 & c28-30 & c32-39
$title[] = 'text chapter 25.6 text'; // c25.6
$title[] = 'text chapters 23, 24, 25 text'; // c23-25
$title[] = 'text chapters 23+24+25 text'; // c23-25
$title[] = 'text chapter 23, 25 text'; // c23 & 25
$title[] = 'text chapter 23 & 24 & 25 text'; // c23-25
$title[] = 'text c25.5-30 text'; // c25.5-30
$title[] = 'text c99-c102 text'; // c99-102 (c99 for termless)
$title[] = 'text chapter 1 - 3 text'; // c1-3
$title[] = 'sometext 33 text chapter 1, 2 text 3'; // c1-2 or c33 if no terms
$title[] = 'text v2c5-10 text'; // c5-10 or c2 if no terms
$title[] = 'text cccc5-10 text'; // c5-10
$title[] = 'text chapters 23, 24, 25, 29, 31, 32 text'; // c23-25 & 29 & 31-32
$title[] = 'chapter 19 - chapter 23'; // c19-23 or c19 for termless
$title[] = 'chapter 12 part 2'; // c12

function get_chapter($text, $terms) {
  $rterms = sprintf('(?:%s)', implode('|', $terms));

  $and = '(?:  [,&+]|\band\b  )';
  $isrange = "(?:  \s*-\s*  $rterms?  \s*\d+  )";
  $isdotnum = '(?:\.\d+)';
  $the_regexp = "/(
    $rterms \s*  \d+  $isdotnum?  $isrange?   
    (  \s*  $and  \s*  $rterms?  \s*  \d+  $isrange?  )*
  )/mix";

  $result = array();
  $result['orignal'] = $text;
  if (preg_match($the_regexp, $text, $matches)) {
    $result['found_match'] = $tmp = $matches[1];
    $tmp = preg_replace("/$rterms\s*/i", '', $tmp);
    $tmp = preg_replace('/\s*-\s*/', '-', $tmp);
    $chapters = preg_split("/\s* $and \s*/ix", $tmp);
    $chapters = array_map(function($x) {
        return preg_replace('/\d\K\.0+/', '',
               preg_replace('/(?|\b0+(\d)|-\K0+(\d))/', '\1', $x
        ));
    }, $chapters);
    $chapters = merge_chapters($chapters);
    $result['converted'] = join_chapters($chapters);
  }
  else {
    $result['found_match'] = '';
    $result['converted'] = $text;
  }
  return $result;
}

function merge_chapters($chapters) {
  $i = 0;
  $begin = $end = -1;
  $rtchapters = array();
  foreach ($chapters as $chapter) {
    // Fetch next chapter
    $next = isset($chapters[$i+1]) ? $chapters[$i+1] : -1;
    // If not set, set begin chapter
    if ($begin == -1) {$begin = $chapter;}
    if (preg_match('/-/', $chapter)) {
      // It is a range, we reset begin/end and store the range
      $begin = $end = -1;
      array_push($rtchapters, $chapter);
    }
    else if ($chapter+1 == $next) {
      // next is current + 1, update end
      $end = $next;
    }
    else {
      // store result (if no end, then store current chapter, else store the range
      array_push($rtchapters, sprintf('%s', $end == -1 ? $chapter : "$begin-$end"));
      $begin = $end = -1; // reset, since we stored results
    }
    $i++; // needed for $next
  }
  return $rtchapters;
}

function join_chapters($chapters) {
  return 'c' . implode(' & ', $chapters) . "\n";
}

print "\nTERMS LEGEND:\n";
print "Case 1. = ['chapters', 'chapter', 'ch', 'c']\n";
print "Case 2. = []\n\n\n\n";
foreach ($title as $t) {
  // If some patterns start by same letters, use longest first.
  print "Original: $t\n";
  print 'Case 1. = ';
  $result = get_chapter($t, ['chapters', 'chapter', 'ch', 'c']);
  print_r ($result);
  print 'Case 2. = ';
  $result = get_chapter($t, []);
  print_r ($result);
  print "--------------------------\n";
}

Выход: см. Https://ideone.com/Ebzr9R

Ответ 4

Используйте общее регулярное выражение, которое захватывает информацию о главе.

'~text\s+(?|chapters?\s+(\d+(?:\.\d+)?(?:\s*[-+,&]\s*\d+(?:\.\d+)?)*)|(?:v\d+)?((?:c\s*)?\d+(?:\.\d+)?(?:\s*[-]\s*(?:c\s*)?\d+(?:\.\d+)?)*)|(chapters?\s+\d+(?:\.\d+)?(?:\s*[-+,&]\s*chapter\s+\d+(?:\.\d+)?)*))\s+text~'

Затем очистите группу 1 с помощью этой find '~[^-.\d+,&\r\n]+~' заменить ничем ''.

Затем очистите чистую с помощью этой находок '~[+&]~' заменить запятой ','

Updae
Ниже приведенный ниже код php включает функцию консолидации последовательности отдельных разделов
к диапазонам глав.

Основное регулярное выражение, читаемая версия

 text
 \s+ 
 (?|
      chapters?
      \s+ 
      (                             # (1 start)
           \d+ 
           (?: \. \d+ )?
           (?:
                \s* [-+,&] \s* 
                \d+ 
                (?: \. \d+ )?
           )*
      )                             # (1 end)
   |  
      (?: v \d+ )?
      (                             # (1 start)
           (?: c \s* )?
           \d+ 
           (?: \. \d+ )?
           (?:
                \s* [-] \s* 
                (?: c \s* )?
                \d+ 
                (?: \. \d+ )?
           )*
      )                             # (1 end)
   |  
      (                             # (1 start)
           chapters?
           \s+ 
           \d+ 
           (?: \. \d+ )?
           (?:
                \s* [-+,&] \s* 
                chapter
                \s+ 
                \d+ 
                (?: \. \d+ )?
           )*
      )                             # (1 end)


 )
 \s+ 
 text 

Пример кода Php

http://sandbox.onlinephpfunctions.com/code/128cab887b2a586879e9735c56c35800b07adbb5

 $array = array(
 'text chapter 25.6 text',
 'text chapters 23, 24, 25 text',
 'text chapters 23+24+25 text',
 'text chapter 23, 25 text',
 'text chapter 23 & 24 & 25 text',
 'text c25.5-30 text',
 'text c99-c102 text',
 'text chapter 99 - chapter 102 text',
 'text chapter 1 - 3 text',
 '33 text chapter 1, 2 text 3',
 'text v2c5-10 text',
 'text chapters 23, 24, 25, 29, 31, 32 text');

 foreach( $array as $input ){
     if ( preg_match( '~text\s+(?|chapters?\s+(\d+(?:\.\d+)?(?:\s*[-+,&]\s*\d+(?:\.\d+)?)*)|(?:v\d+)?((?:c\s*)?\d+(?:\.\d+)?(?:\s*[-]\s*(?:c\s*)?\d+(?:\.\d+)?)*)|(chapters?\s+\d+(?:\.\d+)?(?:\s*[-+,&]\s*chapter\s+\d+(?:\.\d+)?)*))\s+text~',
                      $input, $groups ))
     {
         $chapters_verbose = $groups[1];
         $cleaned = preg_replace( '~[^-.\d+,&\r\n]+~', '',  $chapters_verbose );
         $cleaned = preg_replace( '~[+&]~',            ',', $cleaned   );

         $cleaned_and_condensed = CondnseChaptersToRanges( $cleaned );

         echo "\$title = '" . $input . "';  // c$cleaned_and_condensed\n";

     }        
 }

 function CondnseChaptersToRanges( $cleaned_chapters )
 {
         ///////////////////////////////////////
         // Combine chapter ranges.
         // Explode on comma's.
         //
         $parts = explode( ',', $cleaned_chapters );
         $size = count( $parts );
         $chapter_condensed = '';

         for ( $i = 0; $i < $size; $i++ )
         {
             //echo "'$parts[$i]' ";
             if ( preg_match( '~^\d+$~', $parts[$i] ) )
             {
                 $first_num = (int) $parts[$i];
                 $last_num  = (int) $parts[$i];
                 $j = $i + 1;

                 while ( $j < $size && preg_match( '~^\d+$~', $parts[$j] ) && 
                         (int) $parts[$j] == ($last_num + 1) )
                 {
                     $last_num = (int) $parts[$j];
                     $i = $j;
                     ++$j ;
                 }
                 $chapter_condensed .= ",$first_num";
                 if ( $first_num != $last_num )
                     $chapter_condensed .= "-$last_num";
             }
             else
                 $chapter_condensed .= ",$parts[$i]";
         }
          $chapter_condensed = ltrim( $chapter_condensed, ',' );

         return $chapter_condensed;
 }

Выход

 $title = 'text chapter 25.6 text';  // c25.6
 $title = 'text chapters 23, 24, 25 text';  // c23-25
 $title = 'text chapters 23+24+25 text';  // c23-25
 $title = 'text chapter 23, 25 text';  // c23,25
 $title = 'text chapter 23 & 24 & 25 text';  // c23-25
 $title = 'text c25.5-30 text';  // c25.5-30
 $title = 'text c99-c102 text';  // c99-102
 $title = 'text chapter 99 - chapter 102 text';  // c99-102
 $title = 'text chapter 1 - 3 text';  // c1-3
 $title = '33 text chapter 1, 2 text 3';  // c1-2
 $title = 'text v2c5-10 text';  // c5-10
 $title = 'text chapters 23, 24, 25, 29, 31, 32 text';  // c23-25,29,31-32

Ответ 5

Я разветкил ваш пример, добавив немного, чтобы взять, например, "главу" и совместить "c" и "chapter", затем вытащил все соответствующие выражения из строк, извлек отдельные номера, сгладил все найденные диапазоны и вернул как и в ваших комментариях для каждой из них:

Так вот ссылка: ideone

Сама функция (немного изменилась):

function get_chapter($text, $terms) {

    if (empty($text)) return;
    if (empty($terms) || !is_array($terms)) return;

    $values = false;

    $terms_quoted = array();
    //make e.g. "chapters" match either "c" OR "Chapters" 
    foreach ($terms as $term)
        //revert this to your previous one if you want the "terms" provided explicitly
        $terms_quoted[] = $term[0].'('.preg_quote(substr($term,1), '/').')?';

    $matcher = '/(('.implode('|', $terms_quoted).')\s*(\d+(?:\s*[&+,.-]*\s*?)*)+)+/i';

    //match the "chapter" expressions you provided
    if (preg_match($matcher, $text, $matches)) {
        if (!empty($matches[0])) {

            //extract the numbers, in order, paying attention to existing hyphen/range identifiers
            if (preg_match_all('/\d+(?:\.\d+)?|-+/', $matches[0], $numbers)) {
                $bot = NULL;
                $top = NULL;
                $nextIsTop = false;
                $results = array();
                $setv = function(&$b,&$t,$v){$b=$v;$t=$v;};
                $flatten = function(&$b,&$t,$n,&$r){$x=$b;if($b!=$t)$x=$x.'-'.$t;array_push($r,$x);$b=$n;$t=$n;return$r;};
                foreach ($numbers[0] as $num) {
                    if ($num == '-') $nextIsTop = true;
                    elseif ($nextIsTop) {
                        $top = $num;
                        $nextIsTop = false;
                    }
                    elseif (is_null($bot)) $setv($bot,$top,$num);
                    elseif ($num - $top > 1) $flatten($bot,$top,$num,$results);
                    else $top = $num;
                }
                return implode(' & ', $flatten ($bot,$top,$num,$results));
            }
        }
    }
}

И вызывающий блок:

$text = array(
'9 text chapter 25.6 text', // c25.6
'text chapter 25.6 text', // c25.6
'text chapters 23, 24, 25 text', // c23-25
'chapters 23+24+25 text', // c23-25
'chapter 23, 25 text', // c23 & 25
'text chapter 23 & 24 & 25 text', // c23-25
'text c25.5-30 text', // c25.5-30
'text c99-c102 text', // c99-102
'text chapter 99 - chapter 102 text', // c99-102
'text chapter 1 - 3 text', // c1-3
'33 text chapter 1, 2 text 3', // c1-2
'text v2c5-10 text', // c5-10
'text chapters 23, 24, 25, 29, 31, 32 text', // c23-25 & 29 & 31-32
);
$terms = array('chapter', 'chapters');
foreach ($text as $snippet)
{
    $chapter = get_chapter($snippet, $terms);
    print("Chapter is: c".$chapter."\n");
}

Что приводит к результату:

Chapter is: c25.6
Chapter is: c25.6
Chapter is: c23-25
Chapter is: c23-25
Chapter is: c23 & 25
Chapter is: c23-25
Chapter is: c25.5-30
Chapter is: c99-102
Chapter is: c99-102
Chapter is: c1-3
Chapter is: c1-2
Chapter is: c5-10
Chapter is: c23-25 & 29 & 31-32