0

我目前遇到了我认为是一项简单任务的麻烦。

如果我有一个像这样的字符串：

第 1 句“双引号短语” 第 1 句。第 2 句？第 3 句（括号中的数字，如 1.2 不应拆分）。句子 4 ' 单引号短语。其余的引用“第 4 句。第 5 句！

我想把它分成：

第 1 句“双引号短语”第 1 句。

第2句？

第 3 句（括号中的数字，如 1.2 不应拆分）。

句子 4 ' 单引号短语。引用的其余部分”第 4 句。

第五句！

显然，简单的"\.|\?|!"匹配是行不通的。任何帮助表示赞赏。

我意识到正则表达式可能不是最好的工具，但除非我缺少另一个快速简单的解决方案，否则我已经过了不归路。

4

2 回答 2

1

尝试以下正则表达式

(?:^|\s).+?[.!?](?:\s|$)
于 2013-03-09T21:22:27.593 回答
1

我不确定这是否是正则表达式的工作。

但看看这个正则表达式（使用 sed）：

 sed -r 's/([.?!]) +([A-Z])|\1$/\1\n\2/g' file

它输出：

Sentence 1 “double quoted phrase” sentence 1.
Sentence 2?
Sentence 3 (numbers in parentheses like 1.2 should not be split).
Sentence 4 ' single quoted phrase. rest of quote' sentence 4.
Sentence 5!

然而它并不完美。如果您将第rest4 句中的内容更改为Rest它失败。

问题是，您必须检查它所.!?包裹的"",'',(),[],{}....是否不是句子的结尾。然而，更糟糕的是，例如，我会写一个句子：

The dot ". is a period.

请注意，我忘记了（一个错误）结束语。或以下（两句话）：

Why not put a brace "(" there ? The closing brace ")" is missing its partner.

你的程序（通过正则表达式）怎么知道这应该是两个句子？

于 2013-03-09T21:33:56.637 回答