PHP移除段落首句的函数实现 拆分XML产品描述为标题与详情

实现核心逻辑 #

拆分剩余内容的规则和首句提取完全同源：定位到段落中第一个符合标准的句末标点位置，直接截取该位置之后的所有文本，清理冗余空白后即可得到商品详情部分。
匹配规则需要满足几个基础要求：

• 同时识别.、?、!三类句末终止符
• 尽量减少对缩写内标点的误判
• 兼容不同排版习惯下的句末格式

可直接复用的函数代码 #

function get_content_after_first_sentence(string $paragraph): string {
    // 清理原文首尾冗余空白
    $paragraph = trim($paragraph);
    if (empty($paragraph)) {
        return '';
    }
    // 匹配规则：非贪婪匹配到第一个句末标点，标点满足以下任一情况即判定为真正的句末
    // 1. 后跟空白字符 2. 后跟大写字母（适配无空格排版场景） 3. 到达文本结尾
    $pattern = '/^.*?[.?!](?=\s|[A-Z]|$)/u';
    // 移除匹配到的首句部分
    $remainingText = preg_replace($pattern, '', $paragraph);
    // 清理剩余内容开头的多余空白，返回最终结果
    return trim($remainingText);
}

效果验证 #

拿你提到的测试用例测试：

输入原文：
Lorem ipsum dolor sit amet. Consectetur adipiscing elit, sed do eiusmod tempor incididunt ut labore et dolore magna aliqua. Ut enim ad minim veniam.

函数输出：
Consectetur adipiscing elit, sed do eiusmod tempor incididunt ut labore et dolore magna aliqua. Ut enim ad minim veniam.
针对问号、感叹号作为句末的非句号场景，函数同样可以正常拆分：

• 输入"Have you checked our 2-year warranty? All products come with free shipping and 30-day return policy."，输出为All products come with free shipping and 30-day return policy.
• 输入"This wireless headphone delivers 40 hours of battery life! It supports fast charging and noise cancellation for daily commute."，输出为It supports fast charging and noise cancellation for daily commute.

业务适配调整 #

• 正则中的u修饰符必须保留，否则处理含特殊字符、多字节外文的产品描述时会出现截断乱码
• 匹配断言可根据实际排版灵活调整：
  • 如果你的产品描述都是句末标点后跟标准空格的规范排版，可以把正则中的[A-Z]断言去掉，仅保留(?=\s|$)规则，能彻底避免“Mr.”“U.S.A.”这类缩写中的标点被误判为句末
  • 如果存在句末无空格的非规范排版，保留[A-Z]断言可以保证拆分成功率，只是需要对缩写较多的内容提前做特殊兼容
• 如果遇到无标点的纯文本场景（比如内容本身没有任何句末标识），函数会返回空字符串，你可以根据业务逻辑增加判断：如果拆分后的剩余内容为空，直接返回原段落作为详情即可，避免出现详情空白的问题

内容的提问来源于stack exchange，提问作者Stathis