División de cadena que contiene letras y números no separados por ningún delimitador particular en PHP

Question

Actualmente estoy desarrollando una aplicación web para buscar la transmisión de Twitter y tratando de crear un procesamiento de lenguaje natural por mi cuenta.

Dado que mis datos son de Twitter (limitado por 140 caracteres) hay muchas palabras abreviadas, o en este caso, espacio omitido.

Por ejemplo:

"Hi, my name is Bob. I m 19yo and 170cm tall" 

caso de que se tokens a:

- hi 
- my 
- name 
- bob 
- i 
- 19 
- yo 
- 170 
- cm 
- tall 

en cuenta que 19 y yo en 19yo tienen hay espacio entre ellos. Lo uso principalmente para extraer números con sus unidades.

Simplemente, lo que necesito es una forma de 'explotar' cada token que tiene un número en él por un trozo de números o letras sin delimitador.

'123abc' habrá ['123', 'abc']

'abc123' habrá ['abc', '123']

'abc123xyz' habrá ['abc', '123', 'xyz']

y así sucesivamente.

¿Cuál es la mejor manera de lograrlo en PHP?

---

Encontré algo parecido, pero es C# y específicamente para dividir día/mes. How do I split a string in C# based on letters and numbers

Answer 1

Puede utilizar preg_split

$string = "Hi, my name is Bob. I m 19yo and 170cm tall"; 
$parts = preg_split("/(,?\s+)|((?<=[a-z])(?=\d))|((?<=\d)(?=[a-z]))/i", $string); 
var_dump ($parts); 

Cuando juego contra el límite letras dígitos, la coincidencia de expresiones regulares deben ser de anchura cero. Los personajes en sí no deben incluirse en el partido. Para esto, el zero-width lookarounds es útil.

http://codepad.org/i4Y6r6VS

Answer 2

¿qué tal esto:

extraer los números de secuencia mediante el uso de expresiones regulares, almacenarlos en una matriz, sustituir los números en cadena con algún tipo de carácter especial, que será 'mantener' su posición . y después de analizar la cadena creada solo por sus caracteres especiales y caracteres normales, alimentará sus números de la matriz a sus lugares reservados.

solo una idea, pero podría serle útil.

EDIT: intente ejecutar este código breve, con suerte verá mi punto en la salida. (este código no funciona en el teclado, no sé por qué)

<?php 
$str = "Hi, my name is Bob. I m 19yo and 170cm tall"; 
preg_match_all("#\d+#", $str, $matches); 
$str = preg_replace("!\d+!", "#SPEC#", $str); 

print_r($matches[0]); 
print $str;