Como las líneas terminan siempre en un punto, este se puede agregar manualmente en el procesado. Si hubiesen otras cosas (incluyendo el punto), se puediera capturar el final de la línea para luego concatenarla con el texto procesado:
preg_match('/.+<\/span>(.*)$/', $texto, $match);
$end_of_line = $match[1];
Con esos conceptos se puede escribir un código, como lo siguiente. Notar que dentro del for
se verifica si el último caracter es un caracter alfa, si es otra cosa, se separa del texto para que no forme parte del etiquetado, y se agrega posteriormente.
[ NOTA ] La parte del ctype_alpha
no funcionará bien si una palabra termina con tílde. Entonces es posible que debas crear una función más compleja que evalúe esas posibilidades.
<?php
$texto = "Es es un texto,<span class=\"sg\">H7225</span> que<span class=\"sg\">H1254</span> debería,<span class=\"sg\">H430</span> estar enlazado<span class=\"sg\">H8064</span> por grupos de palabras<span class=\"sg\">H776</span>.";
preg_match_all('/(.+?)<span.*?>(.+?)<\/span>/', $texto, $matches);
$res = array_combine($matches[2], $matches[1]);
preg_match('/.+<\/span>(.*)$/', $texto, $match);
$end_of_line = $match[1];
$resp = [];
foreach($res as $cod=>$str) {
$phr = trim($str);
$str1 = mb_substr($phr, 0, -1);
$str2 = mb_substr($phr, -1);
if(ctype_alpha($str2)) {
$str1 = $phr;
$str2 = '';
}
$resp[] = "[$str1][$cod]$str2";
}
$result = implode(' ', $resp) . $end_of_line;
Y la variable $result
tendrá:
[Es es un texto][H7225], [que][H1254] [debería][H430], [estar enlazado][H8064] [por grupos de palabras][H776].
Si necesitas que sea [1]
en vez de [código]
, colocar $resp[] = "[$str1][1]$str2";