将字符串分割成句子了常用标点符号

我目前运行到麻烦，我认为将是一个简单的任务。将字符串分割成句子了常用标点符号

如果我有这样的字符串：

句子1“双引号的短语”句子1.句子2？第3句（括号中的数字不应该被拆分）。句子4'单引号短语。剩下的引用'句子4.句子5！

我想把它分成：

句子1“双引号的短语”句子1.

句2？

句3（数字像1.2括号不应被分割）。

句子4'单引号的短语。报价休息”一句4.

5句！

显然，一个简单的"\.|\?|!"比赛将无法正常工作。任何帮助表示赞赏。

我认识的正则表达式可能不是我们的最佳工具，但除非有我失踪另一个快速简单的解决办法，我过去的不归路。

来源

2013-03-09 Phil

什么是工具/语言？ – nhahtdh 2013-03-09 21:26:32

@使用正则表达式的PHP。 – Phil 2013-03-09 21:30:41

@Phil只要你的语言支持正则表达式替换，你可以将sed行翻译成你的语言。但请阅读我答案中的其他评论。 – Kent 2013-03-09 21:38:16

尝试以下的正则表达式

(?:^|\s).+?[.!?](?:\s|$)

来源

2013-03-09 21:22:27 VladL

我想你可能误解了我，我不是字面上匹配说句子的文本。 – Phil 2013-03-09 21:32:51

@Phil那么分裂的标准是什么？ – VladL 2013-03-09 21:34:37

我不知道这是否是对正则表达式的工作。

可是看看这个表达式（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!

但是它并不完美。如果将句子4中的rest更改为Rest，则它将失败。

问题是，你必须检查，如果.!?包装"",'',(),[],{}....它不是句子的结尾。然而更糟糕的部分是，例如，我会写一个句子：

The dot ". is a period.

通知，我忘了（错误）收盘报价。或以下（两个句子）：

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

你的程序如何（通过正则表达式）知道这应该是两个句子？

来源

2013-03-09 21:33:56 Kent

将字符串分割成句子了常用标点符号

回答

相关问题