regex - 正则表达式匹配。（句号标记句子的结尾）但不是先生（如霍普金斯先生）

Question

我正在尝试将文本文件解析为以句点结尾的句子，但是像霍普金斯先生这样的名字在匹配句点时会发出错误的警报。

什么正则表达式标识“。” 但不是“先生”

为了奖金，我也在使用！找到句子的结尾，所以我当前的正则表达式是 /(!/./ 我也希望得到一个包含我的 ! 的答案。

Answer 1

用负面的目光看背后。

(?<!Mr|Mrs|Dr|Ms)\.

仅当它不在Mr, Mrs,Dr或Ms

<?
   $str = "This is Mr. Someone and Mrs. Somebody. They are here to meet Dr. SomeoneElse.";
   $str = preg_replace("/(?<!Mr|Mrs|Dr|Ms)\\./", "\n", $str);
   echo($str);
?>
//outputs:
This is Mr. Someone and Mrs. Somebody
 They are here to meet Dr. SomeoneElse

Answer 2

这不能用任何简单的机制来完成。这是无可救药的模棱两可。句子可以以缩写结尾，在这种情况下，它们不会用两个句点书写。

请参阅Unicode TR29。另请参阅 ICU 开源库，其中包含一个基本实现。

Answer 3

你的句子后面总是跟两个空格吗？如果是这样，您可以检查一下...

/\.\s{2}/

并结合句子标点符号的另一端： /[\.\!\?]\s{2}/

您还可以检查可能指示句子结尾的其他内容，例如下一个单词是否大写，是否后跟回车等。但充其量您只能做出有根据的猜测，正如上面所指出的，这个时期太模棱两可了。

Answer 4

正则表达式(?<=[\.\!\?]\s[A-Z])在经过测试后几乎可以工作，但遗憾的是它在之前的匹配中留下了大写字母。解决此问题的方法是将该字母从上一场比赛中删除，同时将其添加回比赛本身。

例子：

//the string
string s = "The fox jumps over the dog. The dog jumps over the fox.";

string[] answer = Regex.Split(@"(?<=[\.\!\?]\s[A-Z])");

Console.WriteLine(answer);

输出将是：["The fox jumps over the dog. T","he dog jumps over the fox."]

要解决这个问题：

            //make sure there is a split
            if (lines.Length > 1)
            {
                for (int i = 0; i < lines.Length; i++)
                {
                    //store letter
                    char misplacedLetter = lines[i].TrimEnd().Last();

                    //remove letter
                    lines[i] = lines[i].Substring(0,lines[i].Length-1);

                    //place on front of next sentence.
                    lines[i + 1] = misplacedLetter + lines[i + 1];
                }
            }

这对我很有效。（您可以选择缓存lines[i]而不是一遍又一遍地访问它）