Skip to main content
se añadieron 1821 caracteres en el cuerpo
Origen Enlace
aeportugal
  • 10.6k
  • 2
  • 12
  • 24

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";


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";

Origen Enlace
aeportugal
  • 10.6k
  • 2
  • 12
  • 24

Si dentro de los <span>###</span> solo hay códigos, qué tal si capturas el texto en un grupo y los códigos en otro grupo del regex, así:

<?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]);

El array $res tendrá lo siguiente:

array (
  'H7225' => 'Es es un texto,',
  'H1254' => ' que',
  'H430' => ' debería,',
  'H8064' => ' estar enlazado',
  'H776' => ' por grupos de palabras',
)

El resto es recorrer ese array con un for e ir procesando los valores para eliminar espacios no deseados y etiquetar los valores vinculándolos con las llaves.