Excepciones para puntos suspensivos y etiquetas de bloques
La idea es que ahora siga coincidiendo con los casos anteriores, pero que no coincida con palabra... siguiente
ni con párrafo.<br> siguiente
. Y acá es donde el regex se complica en la lógica. MySQL tiene un motor de regex extremadamente limitado. En otro dialecto de regex sería más o menos razonable, pero a MySQL le faltan muchas construcciones que podrían facilitar esto. Entonces, en este punto es cuando, si se quiere seguir con el mismo regex, se hace ilegible e imposible de mantener para un ojo no entrenado. Es el punto donde recomiendo ir a un lenguaje de programación.
Pero entiendo las ventajas de resolverlo sobre la base de datos, así que va una solución que probablemente sólo le sirva al autor de la pregunta. En una descripción muy burda, las limitaciones de regex en MySQL nos obligan a buscar coincidencias de esta forma:
Regex:
^[^<]*(((<[^>]*>[^<])*<[^>]*>)+[^<]*[^.<](<[^>]*>)*|[^.<])\.([^.<A-ZÁÜÑa-záüñ][^<A-ZÁÜÑa-záüñ]*)?(</?\s*(a|i|b|span)[[:>:]][^>]*>[^<A-ZÁÜÑa-záüñ]*)*([a-z]|á|é|í|ó|ú|ü|ñ)
-
Podrás ver que para la parte de tags inline (aquellos que no cortan el párrafo si se encuentran entre el punto y la minúscula), estoy usando
</?\s*(a|i|b|span)[[:>:]][^>]*>
para que coincida con
<a>
,<i>
,<b>
,<span>
. Ahí, se pueden agregar las que quieras.
Veamos si con esto puedo explicar un poco el regex (abrir en nueva pestaña):
Código:
select campo
from tabla
where campo collate 'utf8_bin'
regexp '^[^<]*(((<[^>]*>[^<])*<[^>]*>)+[^<]*[^.<](<[^>]*>)*|[^.<])\\.([^.<A-ZÁÜÑa-záüñ][^<A-ZÁÜÑa-záüñ]*)?(</?\\s*(a|i|b|span)[[:>:]][^>]*>[^<A-ZÁÜÑa-záüñ]*)*([a-z]|á|é|í|ó|ú|ü|ñ)'
;
Demo:
Resultado:
Id
re
campo
1
Sí
palabra.palabra
2
Sí
palabra. palabra
3
Sí
palabra. !signo cualquiera
4
Sí
palabra.1número
5
Sí
palabra. 1número
6
Sí
Äbá. a
7
No
palabra... Siguiente oración
8
No
palabra... siguiente oración
9
No
palabra. <br />etiqueta de bloque
10
No
palabra. <span /><span />Hay etiquetas HTML en el texto
11
No
<a href="x.html"> âBÂJo. <br />e
12
No
sin a-b-a.... 1rrr
13
No
<a href="x.html"> ABBBA.... 1Aeee
14
Sí
<span><b><i>palabra</i>.</b></span> etiqueta inline
15
No
<div>palabra.</div> etiqueta de bloque
16
Sí
palabra. un punto
17
No
palabra.. dos puntos
18
No
palabra... tres puntos
19
No
palabra.... cuatro puntos
20
Sí
palabra!!!!!!.--}{???? signos
21
Sí
palabra123.4567890123456números
22
Sí
palabra. espacios
23
Sí
palabra<tag>.<tag> May. min
24
No
+++aaaaaàbâaaaa---