按句点分割句子后跟一个大写字母

Question

我试图找到一个正则表达式，它将一段文本拆分为./?/!之后的一个空格，后面跟着一个大写字母。

"Hello there, my friend. In other words, i.e. what's up, man." 

应该拆分：

Hello there, my friend| In other words, i.e. what's up, man| 

我可以得到它拆就./?/!，但我没有运气得到的空间和大写字母的标准。

我想出什么样的主意：

.split("/. \s[A-Z]/") 

Answer 1

拆分一段文字为句子基础上，这是一个标准的./?/！接着是一个大写字母后面的空格。

您可以使用基于一个超前正则表达式：

s = "Hello there, my friend. In other words, i.e. what's up, man." 
puts s.split(/[!?.](?=\s+\p{Lu})/) 

见Ruby demo。如果您还需要在字符串末尾使用标点符号进行拆分，请使用/[!?.](?=(?:\s+\p{Lu})|\s*\z)/。

详细：

• [!?.] - 匹配的!，?或.这是...
• (?=\s+\p{Lu}) - （正前瞻），随后与1+空格，接着用1个大写字母立即当前位置的权利。

查看Rubular demo。

注意：如果您需要将常规英文文本拆分为句子，则应考虑使用现有的NLP解决方案/库。参见：

• Pragmatic Segmenter
• srx-english

后者是基于正则表达式，并且可以容易地与多个正则表达式延长。

Answer 2

除了Wiktor的答案你还可以使用lookarounds找零宽度和分裂。

正则表达式：(?<=[.?!]\s)(?=[A-Z])发现零宽度由任一[.?!]和空间之前和之后的大写字母。

s = "Hello there, my friend. In other words, i.e. what's up, man." 
puts s.split(/(?<=[.?!]\s)(?=[A-Z])/) 

输出

Hello there, my friend. 
In other words, i.e. what's up, man. 

Ruby Demo

---

更新：基于Cary Swoveland's comment。

如果OP想打破串入句子我建议(?<=[.?!])\s+(?=[A-Z])，因为它句子之间消除空间，并能使这种空间的数量大于一